25186 ورقة بحثية
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.
تقيم هذه الورقة تجريبياً ما إذا كانت أطر عمل وكلاء الذكاء الاصطناعي المستوحاة بيولوجياً تقدم بالفعل فوائد الموثوقية الموعودة مقارنة بالبدائل الأبسط، وذلك عبر اختبار ثلاثة ضمانات هيكلية محددة — بوابات الأولوية الأيضية، واستشعار النصاب، وكشف الركود البايزي — عبر اختبارات معيارية واسعة النطاق تتضمن أكثر من 10 ملايين نقطة بيانات.
تقدم هذه الورقة Phoenix-bench، وهو معيار هندسي شامل للأجهزة يكشف أن أنظمة الذكاء الاصطناعي الوكيل تعاني في الانتقال من مهام البرمجيات إلى مهام الأجهزة بسبب الاختلافات الجوهرية في انتشار الأخطاء والأهمية البالغة للتغذية الراجعة لحالات الاختبار مقارنة بمجرد تحديد موقع الملف من أجل تصحيح الأخطاء بفعالية.
تقدم هذه الورقة إطار الثقة الموزع (DTF)، وهو بنية تحقق تعمل على تأمين أنظمة الذكاء الاصطناعي السيادية عبر استبدال التفويض القائم على الهوية الثابتة بنموذج ديناميكي قائم على الإجماع، حيث تُشتق سلطة التنفيذ بدقة من براهين تبرير (Justification Proofs) قابلة للتحقق تشفيرياً وسلسلة أدلة (Evidence Chain) غير قابلة للتغيير.
تقدم هذه الورقة البحثية PBT-Bench، وهو معيار يتكون من 100 مسألة مختارة بعناية عبر 40 مكتبة بايثون صُممت لتقييم قدرة وكلاء الذكاء الاصطناعي على استنباط الثوابت الدلالية من التوثيق وبناء استراتيجيات مستهدفة لتوليد المدخلات للاختبار القائم على الخصائص، مما يكشف أنه في حين يساعد الهيكل المساعد الصريح النماذج متوسطة القدرة، إلا أن فجوات الأداء الكبيرة والإخفاقات الخاصة بكل نموذج لا تزال قائمة حتى بالنسبة لأقوى النماذج اللغوية الكبيرة.
تقدم الورقة البحثية A3D، وهو إطار عمل للذكاء الاصطناعي الوكيل الذي ينسق ذاتياً تحليل عبء العمل، وإعادة هيكلة الكود، وتوليد البنية الدقيقة لإنتاج تصميمات مسرعات عتادية شاملة للتطبيقات العلمية المعقدة دون تدخل بشري.
تقدم هذه الورقة \themodel{}، وهو إطار عمل انتشار جديد متعدد الدقة وموجه بالترانسكريبتوم، يعالج الطبيعة غير محددة المعالم للتصميم الدوائي القائم على الترانسكريبتوم من خلال سد الفجوة بين المجال البيولوجي والمجال الكيميائي لتوليد جزيئات مشروطة بانتقالات الحالة الخلوية المرغوبة.
تقترح الورقة البحثية آلية "انتباه الكوامن لمجموعات الاستعلام" (GQLA)، وهي تعديل متكيف مع الأجهزة لآلية "الانتباه الكامن متعدد الرؤوس" (MLA) الخاصة بـ DeepSeek، تتيح لمجموعة واحدة من الأوزان التبديل ديناميكيًا بين مسار امتصاص (MQA-absorb) لوحدات معالجة الرسوميات من فئة H100 ومسار (GQA) لوحدات معالجة الرسوميات السلعية مثل H20، مما يؤدي إلى تحسين كفاءة الاستدلال ودعم التنبؤ متعدد الرموز دون الحاجة إلى إعادة تدريب أو نوى مخصصة.
تقدم هذه الورقة البحثية إطار عمل GQA-P، وهو إطار بارامتري مبتكر يستمد مقاييس التحديث القصوى لانتباه الاستعلام المجموع عبر إعادة تعريف تعلم الميزات من خلال شروط المعيار الطيفي وتكييفها لتناسب مصفوفات الأوزان غير كاملة الرتبة، مما يتيح نقلًا فعالًا للمعلمات الفائقة عبر بنيات النماذج المختلفة.
تقدم هذه الورقة البحثية مقياس GESD، وهو مقياس للعدالة موجه نحو الإجراءات يحدد كمياً التفاوتات في استقرار ومتانة تفسيرات النموذج عبر المجموعات الفرعية، وتدمجه في إطار عمل متعدد الأهداف يسمى FEU لتحسين المنفعة، والعدالة القائمة على النتائج، والعدالة القائمة على التفسير بشكل مشترك.