23200 ورقة بحثية
من خلال عملية إجماع الخبراء، تضع هذه الورقة إطاراً لتقييم خصوصية البيانات الاصطناعية يثني عن استخدام مقاييس التشابه للكشف عن الهوية، ويؤكد على أهمية قياس الكشف عن العضوية والسمات، ويقدم توصيات محددة وفرصاً بحثية لدعم الامتثال التشريعي والاعتماد الواسع النطاق.
يُعد LlamaRec-LKG-RAG إطار عمل جديداً قابلاً للتدريب من البداية إلى النهاية، يعمل على تعزيز ترتيب التوصيات القائم على النماذج اللغوية الكبيرة عبر دمج الرسوم البيانية المعرفية الفرعية المخصصة في عملية استدلال ذات تمريرة واحدة، مما يسمح بالاستفادة من الهياكل العلاقاتية للتفوق على مناهج توليد المحتوى المعزز (RAG) القائمة على التشابه الموجودة حالياً في مجموعات البيانات القياسية.
تقترح هذه الورقة إطار عمل للتحقق المزدوج لأبحاث النماذج اللغوية الكبيرة في علم النفس، والذي يعمل على توسيع نطاق المتطلبات الاستدلالية من مجرد الموثوقية البسيطة إلى صدق البناء والاستدلال السببي الصارم، مما يمنع ظهور "أشباح القياس" عبر ضمان عدم تطبيق الأدوات البشرية على الذكاء الاصطناه دون التحقق من قابليتها للتفسير ومسوغاتها العلمية.
تقدم هذه الورقة نموذج CultureMERT-95M، وهو نموذج موسيقي تأسيسي متكيف متعدد الثقافات تم تدريبه عبر استراتيجية تدريب مسبق مستمر مبتكرة من مرحلتين على تقاليد متنوعة غير غربية، مما يحسن بشكل كبير أداء الوسم التلقائي عبر الثقافات مع الحفاظ على الكفاءة في المعايير الغربية وتقديم بديل قابل للتطبيق من خلال الحسابات المهام (task arithmetic).
تقترح هذه الورقة سير عمل مكوناً من ست مراحل وموجهاً بالصلاحية، يدمج بين القياس النفسي والاستدلال السببي لمعالجة عدم الموثوقية الشديدة في القياس في أبحاث النماذج اللغوية الكبيرة، مما يضمن أن تكون النتائج في علم نفس الذكاء الاصطناعي قوية وشفافة ومتميزة عن الآثار الإحصائية.
تقدم الورقة البحثية ProteoKnight، وهي طريقة ترميز قائمة على الصور مبتكرة تعمل على تكييف خوارزمية DNA-Walk لمتواليات البروتين لتحقيق دقة تنافسية في تصنيف بروتينات الفيروسات الآكلة للبكتيريا (Phage Virion Proteins) باستخدام شبكات عصبية تلافيفية سابقة التدريب، مع تقييم عدم اليقين في التنبؤ عبر تقنية إسقاط مونت كارلو (Monte Carlo Dropout).
تقدم الورقة البحثية CulTrace، وهي طريقة للتفسير الآلي تكشف أن النماذج اللغوية الكبيرة تعالج الاستدلال الثقافي من خلال مسار متسق ثلاثي المراحل يتكون من الانخراط في المجال، وحل المعضلات الثقافية، واختيار الإجابة، بينما تكشف أيضاً عن اختلالات حيث تواجه النماذج صعوبة مع الثقافات الأقل تمثيلاً.
تقترح الورقة البحثية طريقة CARVE، وهي طريقة لا تتطلب تدريباً تعمل على تعزيز الاستنتاج البصري لنماذج الرؤية واللغة عبر الاستفادة من التباين بين خرائط الانتباه العامة والخاصة بالمهمة لتصفية الضوضاء البصرية وصقل التركيز، مما يحقق مكاسب كبيرة في الأداء دون تدريب إضافي أو أدوات خارجية.
تقدم الورقة البحثية OpenGPT-4o-Image، وهي مجموعة بيانات واسعة النطاق تضم 80,000 زوج من التعليمات والصور تغطي 11 مجالاً و51 مهمة فرعية، والتي تعزز بشكل كبير أداء النماذج متعددة الوسائط الموحدة في توليد الصور وتحريرها من خلال بناء بيانات منهجي ومؤتمت.
تقترح الورقة البحثية إطار عمل FedSSL-AMC، وهو إطار عمل اتحادي للتعلم الذاتي الموجه يستفيد من التدريب المسبق باستخدام فقد الثلاثي (triplet-loss) على بيانات I/Q غير المصنفة وآلات ناقلات دعم (SVMs) محلية خفيفة الوزن لتحقيق تصنيف آلي قوي وفعال في الاتصالات لتصنيف التعديل تحت ظروف البيانات غير المتماثلة (non-IID) وغير المتوازنة.