25186 ورقة بحثية
يُعد RecMem نظام ذاكرة فعال لوكلاء النماذج اللغوية الكبيرة (LLM) طويل الأمد، حيث يقلل استهلاك الرموز (tokens) بشكل كبير ويحسن الدقة من خلال تأجيل دمج الذاكرة القائم على النماذج اللغوية الكبيرة حتى يتم اكتشاف أنماط دلالية متكررة في طبقة لاوعي خفيفة تعتمد على التضمين (embedding)، بدلاً من معالجة كل تفاعل فور حدوثه.
تقترح الورقة البحثية Ada-Diffuser، وهو إطار عمل موحد للانتشار السببي يستنتج صراحةً الديناميكيات الكامنة المتطورة من ملاحظات دنيا لتعزيز اتخاذ القرار، والتخطيط، وتعلم السياسات التكيفية في البيئات المعقدة.
تُثبت هذه الورقة أن أنظمة التسعير الخوارزمية البسيطة التي تستخدم مسار "الاستكشاف ثم الاستغلال" مع نماذج طلب احتكارية غير دقيقة يمكن أن تتقارب بشكل منهجي نحو أسعار فوق تنافسية تشبه الأسعار التواطئية في الأسواق متعددة الشركات، لا سيما عندما تستكشف الشركات نطاقات سعرية متشابهة على الجانب نفسه من توازن ناش.
يُعد AgriMind إطار عمل للتعلم العميق القائم على التجميع يجمع بين ResNet50 وEfficientNet-B0 وDenseNet121، والذي يحقق دقة بنسبة 99.23% في تصنيف 15 فئة من أمراض النباتات عبر محاصيل الفلفل والبطاطس والطماطم، مما يقلل بشكل كبير من معدلات الخطأ مقارنة بالنماذج الفردية مع الحفاظ على كفاءة خفيفة الوزن مناسبة للنشر المحتمل على الهواتف المحمولة في بنغلاديش.
تقترح هذه الورقة بنية هجينة خفيفة الوزن تجمع بين مشفر BART مضبوط بدقة لاستخلاص الدلالات داخل الصف الواحد وبين شبكة عصبية رسومية (GNN) قائمة على GraphSAGE للسياق العلاقاتي، مما يثبت أن هذا النهج يعزز الأداء بشكل كبير في مهام قواعد البيانات العلاقاتية ويقدم مساراً كفؤاً من حيث الموارد نحو نماذج تأسيسية للبيانات المهيكلة.
تحلل هذه الورقة تجريبيًا مقايضات الأداء بين بنيات التعلم الاتحادي المركزية، واللامركزية، وشبه اللامركزية باستخدام محاكي Fedstellar، ومجموعة بيانات MNIST، ومصنف MLP لمعالجة نقص الدراسات المقارنة حول نقاط القوة والقيود الخاصة بكل منها.
تقترح الورقة البحثية FedHF-Impute، وهو إطار عمل اتحادي لتعويض البيانات يستخدم رسمًا بيانيًا عالميًا مشتركًا للميزات لتمكين نقل المعرفة غير المباشر عبر العملاء وتحسين الدقة بشكل كبير في فضاءات الميزات غير المتجانسة حيث يلاحظ العملاء فقط مجموعات فرعية متداخلة جزئيًا من الميزات.
تحدد هذه الورقة تشتت الانتباه كنمط فشل رئيسي لنماذج المحولات الرسومية الديناميكية تحت تأثير تحولات التوزيع الزمني، وتقترح حلاً قابلاً للنقل، وهو DiffDyG، الذي يستخدم الانتباه التفاضلي لتثبيط الإشارات المشتركة وتضخيم الميزات المميزة، محققاً بذلك أداءً هو الأفضل في فئته عبر عدة معايير قياسية.
تقترح الورقة البحثية DebiasRAG، وهو إطار عمل لا يتطلب ضبطاً، يعمل على تعزيز العدالة في توليد النماذج اللغوية الكبيرة من خلال استرجاع وإعادة ترتيب السياقات المخففة للتحيز ديناميكياً إلى جانب المعلومات القياسية لمواجهة الصور النمطية الاجتماعية دون الحاجة إلى تدريب إضافي للنموذج.
تقدم هذه الورقة ShopGym، وهو إطار عمل متكامل يسد الفجوة بين التقييم الواقعي والقابل للتحكم لوكلاء التجارة الإلكترونية من خلال تحويل واجهات المتاجر الحية إلى بيئات رملية قابلة لإعادة الإنتاج (ShopArena) وتخليق مهام مرجعية قائمة على أسس واقعية (ShopGuru)، مما يثبت أن المتاجر الاصطناعية تحافظ على الخصائص الهيكلية الرئيسية وتترابط مع أداء الوكلاء في المواقع الواقعية.