25186 ورقة بحثية
تقترح هذه الورقة البحثية ArcVQ-VAE، وهو إطار عمل جديد للكمية المتجهة يعزز تعلم التمثيل المنفصل في نماذج VQ-VAE من خلال إدخال مسبق للهامش الزاوي الكروي لتقييد متجهات كتاب الشفرات وتحسين قابليتها للانفصال الزاوي، مما يؤدي إلى تحسين استخدام كتاب الشفرات وأداء أفضل في إعادة بناء الصور وتوليدها.
تقدم الورقة البحثية MMSkills، وهو إطار عمل يعالج أوجه القصور في تمثيلات المهارات القائمة على النصوص من خلال صياغة وتنفيذ معرفة إجرائية متعددة الوسائط قابلة لإعادة الاستخدام —تجمع بين الإجراءات النصية والأدلة المرئية المشروطة بالحالة— لتعزيز قدرات اتخاذ القرار في وقت التشغيل للوكلاء البصريين العامين.
تقيم هذه الدراسة أدوات الذكاء الاصطناٍ التوليدي المختلفة لإنشاء الشرائح التعليمية، حيث وجدت أن مساعدي البرمجة ينتجون محتوى أكثر سلامة من الناحية التربوية، وأن الطلاب يعتبرون الشرائح المُنشأة بواسطة الذكاء الاصطناعي مماثلة في الجودة لتلك التي أنشأها البشر، وغالباً ما يربطون الجودة المنخفضة المتصورة بمصدر الذكاء الاصطناعي.
يُعد HLS-Seek إطار عمل لتوليد الكود البرمجي يراعي جودة النتائج (QoR)، حيث يستفيد من نموذج مكافأة وسيط مقارن مع تقنية تبديل "مونت كارلو دروب أوت" (Monte Carlo dropout) الواعية بعدم اليقين لتدريب نموذج لغوي كبير مكون من 7 مليارات معلمة بفعالية لعمليات التخليق عالي المستوى (High-Level Synthesis)، محققاً بذلك تحسيناً فائقاً في زمن الاستجابة واستهلاك الموارد، ومتفوقاً بشكل ملحوظ على النماذج الرائدة في كل من صحة البناء اللغوي (syntax correctness) وهيمنة باريتو (Pareto dominance).
تقترح هذه الورقة مساراً لاستبدال معلومات الهوية الشخصية (PII) على الجهاز باستخدام نموذج لغوي صغير ببت واحد (1-bit) مع ترويسة أمثلة قليلة دوارة مشروطة بالموقع الجغراكي لمنع استرجاع الأمثلة، مما يكشف أنه بينما يولد هذا النهج نصوصاً أكثر طبيعية من الطرق القائمة على القواعد، فإنه يضر في النهاية بأداء التعرف على الكيانات المسماة (NER) في المهام اللاحقة بسبب عدم كفاية تنوع بيانات التدريب.
تقدم الورقة البحثية RealICU، وهو معيار مرجعي مشروح ببيانات استرجاعية، يقيم نماذج اللغات الكبيرة على بيانات وحدة العناية المركزة طويلة السياق باستخدام حقائق مرجعية راجعها الأطباء، مما يكشف أن النماذج الحالية تعاني من صعوبات في الموازنة بين الاستدعاء والسلامة وتحيزات الارتكاز رغم تحسن بنيات الذاكرة.
يُعد AttenA+ إطار عمل جاهز للتشغيل (plug-and-play) يعمل على تعزيز النماذج التأسيسية للروبوتات من خلال إدخال انتباه حركي مدفوع بالسرعة لإعطاء الأولوية للأجزاء ذات السرعة المنخفضة والحرجة كينماتيكياً أثناء التدريب، مما يحسن الأداء بشكل كبير في مهام المعالجة المعقدة دون الحاجة إلى معلمات إضافية أو تعديلات هيكلية.
تقترح هذه الورقة نموذجاً تأسيسياً يستفيد من التعلم التبايني ذاتي الإشراف على تخطيطات كهربية للقلب غير مصنفة، مدمجاً مع الضبط الدقيق متعدد المهام الخاضع للإشراف، لتحسين التنبؤ بنتائج ما بعد احتشاء عضلة القلب بشكل كبير في البيئات السريرية التي تعاني من نقص البيانات.
تقترح هذه الورقة طريقة هجينة لتوليد المحتوى تعمل على تقييد حيز الإجراءات لمولد يعتمد على التعلم التعزيزي باستخدام قيود محلية يتم تعلمها بواسطة خوارزمية انهيار الدالة الموجية (Wave Function Collapse)، مما يتيح إنشاء مستويات ألعاب تستوفي متطلبات القابلية للعب العالمية وفي الوقت ذاته تحافظ على أنماط محلية مرضية بصرياً.
بناءً على مسح أجري عام 2025 شمل 2,400 مشارك، تكشف هذه الدراسة أن الإفصاح الذاتي العميق تجاه الذكاء الاصطناعي التوليدي مدفوع بشكل كبير بالآثار المشتركة لعدم البشرية المدركة والتشابه الهيكلي، مما يشير إلى أن السلوكيات المتعلقة بالثقة تمتد إلى ما وراء التصورات الأنثروبومورفية (تجسيد الصفات البشرية) التقليدية.