25400 ورقة بحثية
تجادل هذه الورقة الموقفية بأن أنظمة الذكاء الاصطناعي الوكيل الحالية غير مؤهلة للاكتشاف العلمي المستقل تماماً بسبب قيود جوهرية في اختيار المشكلات، وفجوات بيانات التدريب المتعلقة بالمعرفة المختبرية الضمنية، وتجانس المخرجات الناتج عن تحسين التفضيلات، وعدم كفاية الاختبارات المعيارية، مما يستلزم إعادة تصميم تتمحور حول التحقق القائم على المحاكاة، ونماذج العالم المستمرة، والتطبيق المدفوع بالحاجة.
تقترح هذه الورقة إطار عمل للتعلم العميق من طرف إلى طرف لإعادة بناء نماذج التصميم بمساعدة الحاسوب (CAD) من السحب النقطية، والذي يستخدم استراتيجية تجزئة بالبث (extrusion segmentation) مبتكرة لتفكيك الأشكال إلى مكونات جزئية، مما يعزز تنوع البيانات ويحسن أداء النموذج وقدرته على التعميم وإعادة البناء.
تقدم هذه الورقة STEMO-Bench، وهو معيار مصمم لتقييم المراقبة المكانية والزمانية في نماذج اللغة الكبيرة للفيديو بصرامة من خلال تفكيك الاستعلامات إلى أسئلة فرعية، وتقترح STEMO-Track، وهو إطار عمل متمحور حول الكائنات يقلل بشكل كبير من الهلوسة ويحسن اتساق الاستدلال من خلال بناء المسار الصريح والتجميع الزمني.
تعمل هذه الورقة على تحسين نظام القيادة الذاتية من طرف إلى طرف القائم على الاستنتاج Alpamayo 1 عبر إعادة تصميمه من بنية استنتاج متعددة إلى بنية استنتاج أحادية، وإلغاء عمليات النواة غير الفعالة، مما يحقق تقليلاً في زمن انتقال الاستدلال بنسبة 69.23% مع الحفاظ على تنوع المسارات وجودة التنبؤ.
تقترح هذه الورقة إطار عمل للتعلم المعزز المدرك للاستكشاف يُمكّن وكلاء النماذج اللغوية الكبيرة من التمييز التكيفي بين سيناريوهات عدم اليقين العالية التي تتطلب الاستكشاف والسياقات الواضحة المناسبة للتنفيذ، مما يحقق تحسينات مستمرة في الأداء عبر معايك قياس الوكلاء القائمة على النصوص وواجهات المستخدم الرسومية.
تقدم هذه الورقة معياراً يتألف من أربع مهام لتقييم قدرات التعميم التركيبي لإمكانات الذرات المعتمدة على تعلم الآلة، مما يكشف أن حتى النماذج التأسيسية الحديثة تعاني بشكل كبير في التعميم على الهياكل الجزيئية غير المرئية مقارنة بأدائها على البيانات الموزعة ضمن النطاق.
تحدد هذه الورقة الشروط الكافية للتطبيق الصحيح لطريقة تقدير التقييم الاستدلالي لكل من المقارنات الزوجية الكاملة وغير الكاملة باستخدام الخوارزميات الحسابية والهندسية، مبرهنةً على أن المتغير الحسابي يعطي تقديرات مثالية لعدم الاتساق.
تقدم هذه الدراسة إطار العمل CT-IDP، وهو إطار عمل قابل للتفسير يستفيد من أكثر من 900 نمط ظاهري كمي مستمد من التجزئة من صور الأشعة المقطعية للبطن لتحقيق أداء فائق في تصنيف الأمراض مقارنة بنموذج "محول الرؤية" (vision-transformer) المرجعي عبر مجموعات بيانات متعددة من مؤسسات مختلفة.
تقدم هذه الورقة GuardVLA، وهو أول إطار عمل قائم على الباب الخلفي للتحقق من ملكية نماذج الرؤية واللغة والعمل من خلال تضمين علامات مائية خفية في البيانات المرئية المتجسدة واستخدام آلية التبديل والكشف لضمان التحقق الموثوق دون المساس بأداء المهام أو قدرة النموذج على التكيف.
تُثبت هذه الورقة أن الضبط الدقيق الخاضع للإشراف للنماذج اللغوية الكبيرة مسبقة التدريب على مسارات مُصنفة من قِبل "أوراكل" (oracle) بشكل غير متصل، يعزز بشكل كبير قدرات التعلم في السياق لاتخاذ القرارات المتسلسلة عبر عمليات ماركوف لاتخاذ القرار (MDPs)، وعمليات ماركوف لاتخاذ القرار ذات الملاحظة الجزئية (POMDPs)، وعمليات ماركوف لاتخاذ القرار ذات الملاحظة الجزئية والآلية (APOMDPs)، محققةً فجوات مثالية أقل بكثير من الطرق المرجعية، لا سيما في البيئات المعقدة، وطويلة الأفق، وذات الملاحظة الجزئية.