25186 ورقة بحثية
تقدم هذه الورقة البحثية LAMP، وهو ملحق معياري للنماذج القائمة على الانتشار لترميم الصور، يستفيد من التجزئة من الدرجة الثانية والتصحيحات الزمنية المتأخرة لتحسين دقة واستقرار أخذ عينات اللاحقة دون زيادة التكلفة الحسابية.
تقترح هذه الورقة FedMPO، وهو إطار عمل قوي للتعلم الرسومي متعدد الوسائط في بيئة التعلم الاتحادي، يعالج عدم تجانس الوسائط وعزل البيانات من خلال التوليد عبر الوسائط المدرك للطوبولوجيا، وتوجيه الخبراء المدرك للبيانات المفقودة، والتجميع المدرك للموثوقية للتفوق على الأساليب الحالية في حالات فقدان البيانات العالية وعدم استقلال وتوزيع البيانات (non-IID).
تقدم هذه الورقة البحثية نماذج هندسية ثلاثية الأبعاد معبر عنها برمجياً كلغة مكانية قوية لنماذج الرؤية واللغة، مبرهنةً من خلال معيار SpatialBabel، واستراتيجية استدلال Code-CoT الخالية من التدريب، وطريقة الضبط الدقيق ذاتية الإشراف S-FT، أن هذا التمثيل الوسيط يعزز بشكل كبير الاستدلال المكاني ويتعمم عبر بنيات نماذج الرؤية واللغة المتنوعة دون الحاجة إلى تسميات بشرية.
تقترح الورقة البحثية إطار عمل "اختيار الإجراء الموجه بالتحقق" (VeGAS)، وهو إطار عمل يعمل في وقت الاختبار لتعزيز متانة الوكلاء المجسدين القائمين على النماذج اللغوية الكبيرة متعددة الوسائط، وذلك عبر أخذ عينات من الإجراءات المرشحة واستخدام مُحقق توليدي مدرب خصيصاً — تم بناؤه عبر استراتيجية تخليق بيانات مدفوعة بنموذج لغوي كبير — لاختيار الإجراء الأكثر موثوقية، مما يحقق مكاسب كبيرة في الأداء في المهام المعقدة وطويلة الأمد دون تعديل السياسة الأساسية.
تقدم هذه الورقة البحثية إطار عمل IAP، وهو إطار تعلم تعزيزي يعزز الإجابة الشخصية على الأسئلة أحادية الدور من خلال تدريب النماذج اللغوية على استنتاج ودمج القصد الضمني للمستخدم صراحةً في عملية الاستدلال الخاصة بها، مما يؤدي إلى تفوقها على النماذج المرجعية الحالية في معيار LaMP-QA.
تثبت هذه الورقة أن التوافق بين ثقة الذكاء الاصطناعي وثقة البشر يقلل بشكل كبير من تعقيد تعلم اتخاذ القرارات المثلى بمساعدة الذكاء الاصطناعي، مما يبرهن نظرياً على تحسن حدود الندم في ظل التوافق التام، ويتحقق من هذه النتائج من خلال تجارب على بيانات حقيقية لمشاركين بشريين.
تقدم هذه الورقة إطار عمل "التقطير داخل السياسة متعدد المخرجات" (MOPD)، وهو إطار يعزز تدريب النماذج اللغوية الكبيرة من خلال الاستفادة من مخرجات الأقران الناجحة والفاشلة معاً لبناء إشارات معلم غنية ومتكيفة مع الحالة، مما يؤدي إلى تفوقه على الطرق القياسية التي تعامل كل مخرج بشكل مستقل.
تقدم الورقة البحثية FPILOT، وهو إطار عمل لتحسين الاستدلال في وقت التشغيل عبر الملحقات، والذي يعمل على تعزيز وكلاء التداول القائمين على التعلم التعزيزي مسبق التدريب من خلال تحسين تخصيص المحافظ ديناميكياً عند كل خطوة قرار باستخدام مسارات الأسعار المتوقعة، مما يؤدي باستمرار إلى تحسين العوائد والمقاييس المعدلة حسب المخاطر دون الحاجة إلى إعادة تدريب النموذج.
تقدم الورقة البحثية BenchJack، وهو نظام آلي للاختبار الهجومي (red-teaming) يقوم بمراجعة معايير قياس الوكلاء الذكيين بشكل منهجي لتحديد ومعالجة ثغرات "تحايل المكافأة" (reward-hacking)، مما يثبت أن العديد من المعايير الشائعة سهلة الاستغلال ويمكن تحصينها بشكل كبير من خلال عملية هجومية تكرارية.
تقدم هذه الورقة البحثية GTF-DEER، وهو إطار عمل تدريبي جديد متوازي في الزمن يتغلب على قيود التكرار الخطي في نماذج فضاء الحالة لتمكين إعادة بناء مستقرة وفعالة للأنظمة الديناميكية غير الخطية من تسلسلات طويلة للغاية، مما يثبت أن الوصول إلى مسارات طويلة يحسن بشكل كبير دقة النمذجة للأنظمة ذات المقاييس الزمنية الطويلة.