25010 ورقة بحثية
تقدم هذه الورقة KairosHope، وهو نموذج تأسيسي من الجيل التالي للسلاسل الزمنية يستخدم بنية ذاكرة مزدوجة ورأساً قرارياً هجيناً للتغلب على الاختناقات الحسابية ودمج المعرفة الإحصائية، محققاً أداءً فائقاً في مهام التصنيف المتخصصة من خلال التدريب المسبق ذاتي الإشراف والضبط الدقيق الصارم.
تجادل هذه الورقة الموقعة بأن النشر الآمن لوكلاء النماذج اللغوية الكبيرة يتطلب هيكلياً بنية احتمالية قائمة على العقود ثلاثية الطبقات لفرض أبعاد سلامة متميزة —وهي القصد الدلالي، وصلاحية البيئة، والجدوى الديناميكية— نظراً لأن أي طبقة تجريد منفردة لا يمكنها ضمان الأبعاد الثلاثة معاً في آن واحد.
تقدم هذه الورقة ترميزاً كلياً فعالاً ونهج Abstracted IW(1) يستفيد من الشبكات العصبية الرسومية العلاقاتية (Relational GNNs) للتغلب على قيود القابلية للتوسع والقدرة التعبيرية في التخطيط العام، محققةً أداءً هو الأفضل في فئته على معيار IPC 2023 عبر تجاوز الطرق السابقة بما في ذلك المخطط الكلاسيكي LAMA.
يُعدُّ COOPO إطار عمل هجينًا عامًا للتعلم التعزيزي يتناوب بين التدريب غير المتصل (offline) المنظم بـ KL والضبط الدقيق المتصل (online)، وذلك للتخفيف من حدة الانزياح التوزيعي والنسيان الكارثي، مما يحقق كفاءة عينة وأداءً فائقين على معايير D4RL مقارنة بالأسالهم المتقدمة.
تقدم هذه الورقة مقياساً قابلاً للقياس وخالياً من الحقيقة المرجعية لتقييم أساليب الذكاء الاصطناعي القابل للتفسير بناءً على اضطراب المدخلات والضرورة/الكفاية، والذي يُستخدم بعد ذلك لتدريب وحدة تكييف مبتكرة تولد تفسيرات سببية متفوقة للنماذج الصندوقية السوداء دون المساس بأدائها.
تقدم هذه الورقة Reversa، وهو إطار عمل متعدد الوكلاء يعمل على الهندسة العكسية للبرمجيات القديمة إلى مواصفات تشغيلية قابلة للتتبع لوكلاء الذكاء الاصطناعي من خلال استخراج القواعد الضمنية، وتحديد مستويات الثقة بشكل صريح، والحفاظ على الفجوات للتحقق البشري، كما هو موضح في دراسة حالة لنقل نظام صراف آلي من لغة COBOL إلى لغة Go.
تقدم هذه الورقة البحثية الضبط التوليدي الدلالي (SGT)، وهو نموذج جديد لمرحلة ما بعد التدريب يستفيد من تجزئة الصور كوسيط توليدي لسد الفجوة بين الفهم البصري والتوليد في النماذج متعددة الوسائط الموحدة، مما يعزز بشكل كبير كلاً من الإدراك الاستيعابي والدقة التوليدية.
تثبت هذه الورقة أن الاسترجاع الواقعي في النماذج اللغوية الكبيرة يتبع قانون قياس سيجمويدي (sigmoid) يمكن التنبؤ به، مدفوعاً بالتأثيرات المشتركة لعدد معاملات النموذج وتكرار الموضوع في بيانات التدريب، مما يفسر ما يصل إلى 94% من تباين الأداء ضمن عائلات نماذج محددة.
تقدم هذه الورقة إطاراً لتدقيق التعددية القيمية في الذكاء الاصطناعي الطبي، كاشفةً أنه بينما تُظهر النماذج اللغوية الرائدة تنوعاً في الاستدلال الداخلي، فإن قراراتها النهائية تكون شبه حتمية وتُقلل بشكل منهجي من وزن استقلالية المريض، مما يشكل خطراً يتمثل في استبدال التعددية الأخلاقية السريرية بنمط أحادي ضار عند النشر.
تُعد Vision-OPD إطار عمل للتقطير الذاتي يعمل على تعزيز الفهم البصري دقيق التفاصيل في النماذج اللغوية الكبيرة متعددة الوسائط من خلال تدريب سياسة الصورة الكاملة على محاكاة الأداء المتفوق لمعلم مشروط بالقصاصات (crop-conditioned) على مخرجاته الخاصة، مما يُمكّن النموذج من استيعال فوائد التركيز على الأدلة ذات الصلة دون إشراف خارجي أو أدوات.