25182 ورقة بحثية
تجادل الورقة بأن الاعتماد على وكلاء الذكاء الاصطناعي لأتمتة أبحاث المحاذاة أمر محفوف بالمخاطر لأن الصعوبة المتأصلة في الإشراف على المهام الغامضة تؤدي إلى أخطاء منهجية غير مكتشفة وتقييمات سلامة مفرطة في الثقة، مما قد يؤدي إلى النشر غير المقصود لذكاء اصطناعي فائق غير متوافق.
تقدم هذه الورقة إطاراً للتعلم العميق الاحتمالي يعامل تأريخ المخطوطات التاريخية كمسألة انحدار مستمر، محققاً دقة هي الأفضل في فئتها ومعايرة فائقة لعدم اليقين على معيار DIVA-HisDB من خلال إخراج توزيعات تنبؤية كاملة مع تفكيك عدم اليقين العشوائي والنموذجي في تمريرة أمامية واحدة.
تقدم هذه الورقة AgentStop، وهو مشرف خفيف الوزن يتنبأ بمسارات وكلاء الذكاء الاصطناğı المحلية الفاشلة ويوقفها استباقيًا باستخدام إشارات منخفضة التكلفة، مما يقلل من الطاقة المهدرة بنسبة 15-20% على الأجهزة الاستهلاكية مع تأثير ضئيل على أداء المهام.
تقترح هذه الورقة إطار عمل للتوليد المعزز بالاسترجاع (RAG) مستند إلى مؤشر الأكل الصحي (HEI)، يدمج قواعد بيانات التغذية القياسية مع النماذج اللغوية الكبيرة لتوليد توصيات غذائية مخصصة، مما أظهر تحسينات ملحوظة في جودة النظام الغذائي للمستخدمين من خلال المحاكاة.
تُعد SkillSmith إطار عمل للمترجمات ووقت التشغيل يعتمد على مبدأ "الحدود أولاً" (boundary-first)، حيث يعمل على تحسين أنظمة الوكلاء القائمة على النماذج اللغوية الكبيرة عبر تجميع المهارات في واجهات تنفيذية دنيا خارج نطاق وقت التشغيل، مما يقلل بشكل كبير من استهلاك الرموز (tokens)، وعدد دورات الاستدلال، ووقت التنفيذ، مع تمكين إعادة استخدام المهارات بكفاءة عبر النماذج المختلفة.
تقدم هذه الورقة CAX-Agent، وهو إطار عمل خفيف الوزن مصمم لتعزيز موثوقية أتمتة APDL من خلال تنفيذ بنية متعددة الطبقات ذات سلم استرداد، مما يثبت من خلال اختبارات قياسية تجريبية أن إعادة التوليد القائم على النموذج يتفوق بشكل كبير على الاستراتيجيات القائمة على القواعد أو تلك التي لا تعتمد على الاسترداد في إتمام المهام وتقليل التدخل.
تقدم الورقة إطار عمل NOVA لنمذجة اكتشاف المعرفة بالذكاء الاصطناعي كعملية أخذ عينات تكيفية، حيث تضع حدوداً نظرية وقوانين لتوسع التكلفة () تكشف كيف تؤدي عيوب التحقق إلى فخاخ التلوث وعوائد متناقصة، مما يسلط الضضوء على الدور الحاسم للتوجيه البشري الخبير في التغلب على حواجز الاستكشاف الذاتي.
تقدم الورقة البحثية OP-Mix، وهو خوارزمية موحدة وفعالة لخلط البيانات تستخدم استيفاء المهايئ منخفض الرتبة لمحاكاة الخلطات المرشحة عبر دورة حياة تدريب النموذج اللغوي بأكملها، محققةً أداءً يقارب المستوى الأمثل مع تقليل الحوسبة بشكل كبير مقارنة بالطرق الحالية الخاصة بكل مرحلة.
تُثبت هذه الورقة أن هندسة الحواضن الفعالة لاكتشاف الخوارزميات باستخدام وكلاء البرمجة تعطي الأولوية لتوليد خوارزميات أقل عدداً وأعلى جودة ذات استدلال أعمق على حساب الحجم المجرد، مع معالجة التحديات الحرجة مثل كشف اختراق التقييم والتنفيذ المتوازي الآمن.
تقترح هذه الورقة سير عمل مدعومًا بالنماذج اللغوية الكبيرة يدمج بين النماذج اللغوية البصرية ونماذج الهندسة القائمة على النماذج لتحليل بيانات سلسلة توريد RISC-V غير المتجانسة، وتحويل المعلومات متعددة الوسائط إلى رسم بياني معرفي تم التحقق منه لتعزيز تقييم المخاطر، وكشف الاختناقات، واتخاذ القرار.