25258 ورقة بحثية
تقدم هذه الورقة البحثية "حقول الأحداث" (Event Fields)، وهي فئة جديدة من النماذج التأسيسية للموجات تعمل على تحسين تحليل الإشارات الفسيولوجية من خلال الانتقال من التمثيلات التقليدية القائمة على التسلسل إلى إطار عمل ذاتي الإشراف ينمذج السلاسل الزمنية كأحداث كامنة متفاعلة، مما يحقق أداءً وتفوقاً ومتانة وكفاءة في التصنيف عبر مختلف المعايير المرجعية للرعاية الصحية.
تقترح هذه الورقة نماذج التأسيس الرسومية المتمحورة حول البنية (SCGFM)، وهي نهج مبتكر يعامل طوبولوجيا الرسم البياني كمصدر أساسي للمعرفة القابلة للنقل من خلال استخدام قواعد هندسية قابلة للتعلم ومحاذاة "غوروموف-واسرشتاين" للتغلب على عدم التجانس الهيكلي وعدم توافق الميزات، مما يحقق تعميماً فائقاً عبر مجالات الرسوم البيانية المتنوعة.
يُعد SkillMaster إطار عمل تدريبي مبتكر يُمكّن وكلاء النماذج اللغوية الكبيرة من إنشاء المهارات وصقلها واختيارها بشكل ذاتي من خلال المراجعة القائمة على المسارات، وتقييم المنفعة القائم على السيناريوهات المقابلة للواقع، وخوارزمية تعلم تعزيزي ذات ميزة مزدوجة، مما يحقق تحسينات كبيرة في الأداء وقدرات التحسين الذاتي في المهام المعقدة دون توجيه خارجي.
تقترح الورقة البحثية إطار عمل MBP-KT، وهو إطار عام يعزز تتبع المعرفة عن طريق تحويل التفاعلات الخام إلى أنماط سلوكية ميتا لاستخراج وحقن معلومات تعاونية عالمية خالية من المعلمات، مما يؤدي إلى تحسين أداء وتعميم مختلف النماذج اللاحقة.
تقدم هذه الورقة "Gate-and-Merge"، وهو إطار عمل للتعلم الصفري (zero-shot) للتخصيص التركيبي في نماذج الرؤية واللغة، والذي يتعلم المفاهيم بشكل مستقل عبر محولات LoRA ويدمجها عند الاستدلال باستخدام آلية بوابات (gating mechanism) لضمان أداء مفكك وخالٍ من التداخل دون الحاجة إلى تدريب على التزامن.
يُعد AgentPSO إطار عمل مبتكرًا يعمل على تطوير مهارات الاستدلال متعدد الوكلاء من خلال معاملة الوكلاء كجسيمات في عملية تحسين السرب، حيث يقوم بتحديث استراتيجيات الاستدلال باللغة الطبيعية بشكل تكراري عبر الجمع بين أفضل التجارب الشخصية والعالمية لتحسين أداء حل المشكلات دون تعديل معاملات النموذج اللغوي الأساسي.
تضع هذه الورقة حدوداً نظرية دقيقة وضمانات للاستحالة لفرق العمل المكونة من البشر والذكاء الاصطناعي القائمة على الثقة، حيث تثبت أن التكامل قابل للتحقيق إذا وفقط إذا ظل ارتباط الأخطاء دون عتبة محددة تتناسب مع تعقيد المهمة، مما يفسر سبب فشل الفرق في كثير من الأحيان في التفوق على أفضل أعضائها الفرديين.
تقترح الورقة البحثية نظام REAP، وهو نظام ركن سيارات ذاتي القيادة متكامل يعتمد على التعلم المعزز، والذي يستفيد من خوارزمية Soft Actor-Critic، واستنساخ السلوك، ومحاكي 3D Gaussian Splatting لتحقيق تدريب فعال ونقل ناجح من الواقع إلى المحاكاة ثم إلى الواقع (Real2Sim2Real)، متميزاً بشكل خاص في السيناريوهات القصوى مثل مواقف السيارات الميكانيكية الضيقة.
يقدم هذا البحث AgentForesight، وهو إطار عمل يتميز بمراقب آني مدمج تم تدريبه على مجموعة بيانات AFTraj-2K المنقحة حديثًا للتنبؤ بالأخطاء الحاسمة وتحديد مواقعها في الأنظمة متعددة الوكلاء القائمة على النماذج اللغوية الكبيرة في الوقت الفعلي، مما يتيح التدخل أثناء وقت النشر بدلاً من الاعتماد على عزو الفشل بعد حدوثه.
تثبت هذه الورقة أن الانحيازات المعرفية، مثل أثر الأولوية والارتكاز، هي نتائج حتمية رياضياً لقصور المعالجة المتسلسلة في كل من نماذج الذكاء الاصطناعي ذات التوليد الذاتي والإدراك البشري، مما يبرهن من خلال البراهين النظرية والتحقق التجريبي على أن هذه الانحيازات تمثل استجابات عقلانية للموارد وليست مجرد أخطاء.