25186 ورقة بحثية
تقدم الورقة البحثية TimelineReasoner، وهو إطار عمل مبتكر يسخر نماذج الاستدلال الكبيرة لتحويل تلخيص الخط الزمني من مجرد توليد سلبي إلى عملية نشطة مكونة من مرحلتين من الإدراك الشامل واستكشاف التفاصيل، مما يحسن الدقة والتغطية والتماسك بشكل كبير مقارنة بالطرق الحالية.
تقترح هذه الورقة "الإشراف على العملية القابل للتحقق" (VPS)، وهو إطار عمل لما بعد التدريب يعمل على تحسين دقة التنبؤ وجودة الاستدلال بشكل مشترك من خلال مكافآت تكيفية على مستوى الخطوات، مما يثبت أنه على عكس التعلم المعزز القائم على الدقة فقط والذي يؤدي إلى تدهور سلامة الاستدلال، فإن VPS يمكّن النماذج اللغوية من تحقيق كل من الدقة العالية والاستدلال السليم والمتسق في المجالات القابلة للتحقق مثل الشطرنج.
تقدم الورقة البحثية ToolWeave، وهو إطار عمل هيكلي يعمل على توليد حوارات استدعاء الأدوات متعددة الأدوار والواقعية من خلال فرض تبعيات الأدوات وتتبع مصدر المعلمات بدقة متناهية، مما يؤدي إلى تحسين جودة التفاعل متعدد الخطوات بشكل كبير وتحقيق أداء فائق في الاختبارات المرجعية للنماذج اللغوية الكبيرة الضبطية مقارنة بمجموعات البيانات الحالية.
تقدم هذه الورقة MorphOPC، وهو نموذج تعلم عميق هرمي متعدد المقاييس يصيغ توليد الأقنعة كسلسلة من العمليات المورفولوجية العصبية للتغلب على قيود التحويل الهندسي التي تواجه نهج المشفر-فك التشفير الحالي، مما يحقق دقة طباعة فائقة وتكاليف تصنيع أقل في تصحيح القرب البصري.
تجادل هذه الورقة بأن عدالة النماذج اللغوية الكبيرة يجب أن تُقيّم من خلال سلوك المحادثة متعدد الوكلاء في سياقه الطبيعي بدلاً من اختبارات المعايير القياسية، مقدمةً إطار عمل "MAC-Fairness" للكشف عن بصمات سلوكية مستقرة وخاصة بكل نموذج، والتي تحجبها عدم الموثوقية الهيكلية للاختبارات القائمة على الأوامر التقليدية.
تقدم هذه الورقة AGENTICAITA، وهو إطار عمل لإثبات المفهوم يستبدل التداول الخوارزمي التقليدي بنظام تداولي متعدد الوكلاء لا يتطلب تدريباً، حيث تقوم نماذج لغوية كبيرة متخصصة بالتداول بشكل مستقل عبر التفكير والتفاوض والتنفيذ تحت قيود سلامة صارمة، مما أثبت بنجاح الجدوى التشغيلية خلال تجربة محاكاة حية للسوق استمرت لمدة خمسة أيام.
تقدم هذه الورقة SSDA، وهو إطار عمل للتكيف ثنائي المسار يسد الفجوات الطيفية والهيكلية بين صور السلاسل الزمنية المُصورة والصور الطبيعية، مما يطلق العنان للإمكانات الكاملة لنماذج الرؤية الكبيرة من أجل التنبؤ الدقيق بالسلاسل الزمنية.
تقترح الورقة البحثية ChannelKAN، وهي بنية هجينة تجمع بين الشبكات العصبية الالتفافية (CNN) وشبكات كولموجوروف لتقريب الدوال (KAN) مع تعزيز ثنائي المجال متعدد المقاييس، والتي تتفوق على النماذج المرجعية للتعلم العميق الحالية في التنبؤ بمعلومات حالة القناة لأنظمة Massive MIMO-OFDM عالية الحركة من خلال التقاط كل من الارتباطات المكانية-الترددية المحلية والاعتمادات الزمنية غير الخطية طويلة المدى بشكل فعال.
تقترح هذه الورقة إطار عمل لتقطير المعرفة عبر النوافذ يُمكّن المشفرات الطلابية من تعلم الأولويات السريرية الكامنة من نموذج معلم مُدرب على النافذة الأكثر إفادة للأشعة المقطعية، مما يحسن بشكل كبير أداء تحليل الأشعة المقطعية للرئة متعددة النوافذ عبر مجموعات مرضية متنوعة من خلال التقاط التفاعلات بين الكثافات التي تفتقدها الطرق الحالية.
يعالج VideoSEAL مشكلة "عدم توافق الأدلة" في فهم الفيديو الطويل الوكيل عبر تقديم إطار عمل منفصل من المخطط والمفتش يفصل بين التخطيط طويل الأمد وسلطة الإجابة، مما يتطلب تحققًا على مستوى البكسل لضمان دعم الإجابات بالأدلة المسترجعة وتحقيق أداء رائد في عدة معايير مرجعية.