25400 ورقة بحثية
تُثبت هذه الدراسة تجريبياً أنه في بيئة شبكة اجتماعية محكومة، تُعد مواصفات الشخصية هي المحدد الأساسي لسلوك وكيل الذكاء الاصطناعي الناشئ، حيث تؤثر بشكل كبير على طول الاستجابة، بينما تمارس النماذج الأساسية والقواعد التشغيلية تأثيرات أكثر اعتدالاً على الأسلوب البلاغي والتفاعل مع الموضوع.
تقترح هذه الورقة وتتحقق من صحة إطار عمل مرحلي أثناء التدريب يستخدم متغيرات متنوعة ذاتية التوليد لحل المشكلات، مسترشدةً بأساليب "بوليا" لتعزيز فعالية التعلم المعزز اللاحق، مما يؤدي إلى تحسين الأداء عبر مهام الاستدلال الرياضي، وتوليد الكود البرمجي، والمهام السردية.
تقدم هذه الورقة نظام AI-Care، وهو نظام وكيل حواري يعتمد على الصوت، صُمم لتقليل العبء المعرفي للأفراد المصابين بمرض ألزهايمر من خلال تمكين تنسيق المهام باللغة الطبيعية عبر إطار عمل للتنظيم متعدد الخطوات يرتكز على السلامة ويعطي الأولوية للبيانات التي تحققها مقدمة الرعاية والاستيضاح المنضبط.
تقدم الورقة البحثية MathConstraint، وهو معيار تكيفي يقوم بتوليد مسائل الاستدلال التوليفي الصعبة والتحقق منها بصرامة بشكل تلقائي لتقييم النماذج اللغوية الكبيرة، مما يظهر أن الوصول إلى الأدوات يعزز الأداء بشكل كبير مع الكشف عن حساسية النماذج العالية تجاه تقليص ميزانيات استدعاء الأدوات.
يُعد OracleTSC إطار عمل مبتكر يعمل على تثبيت الضبط الدقيق للتعلم التعزيزي للتحكم في الإشارات المرورية باستخدام النماذج اللغوية الكبيرة من خلال إدخال آلية عتبة المكافأة وتنظيم عدم اليقين، مما يحقق تحسينات كبيرة في كفاءة حركة المرور والتعميم عبر التقاطعات مع الحفاظ على اتخاذ قرارات بلغة طبيعية وشفافة.
تقدم هذه الورقة تحليلاً استرجاعياً لتحدي CODS 2025 AssetOpsBench، كاشفةً عن رؤى نقدية مثل تشبع درجات التخطيط العامة، والارتباط السلبي بين تقييمات التنفيذ العامة والخاصة، والتأثير الضئيل لمصطلح t-match على التصنيفات النهائية، والنتيما بأن الاستراتيجيات الناجحة اعتمدت على ضوابط قوية أكثر من اعتمادها على بنيات وكلاء مبتكرة.
تقدم الورقة البحثية MARLaaS، وهي خدمة غير متزامنة متعددة المستأجرين تتيح الضبط الدقيق لتعلم التعزيز بشكل متزامن وفعال لعدة مستخدمين من خلال الجمع بين محولات LoRA خفيفة الوزن وبنية معمارية منفصلة، مما يحقق تحسينات كبيرة في استغلال المسرعات ووقت التدريب مع الحفاظ على أداء يضاهي أحدث ما توصل إليه العلم.
تقدم هذه الورقة بنية ذاكرة قائمة على أسس بيولوجية لوكلاء النماذج اللغوية الكبيرة (LLM agents) تتميز بست آليات معرفية ومنهجية معايرة اصطناعية، مما يظهر تحسينات كبيرة في دقة الاستبقاء وكفاءة التخزين عبر اختبارات تتبع المشكلات والدردشة الشخصية واسعة النطاق.
تُصيغ هذه الورقة البحثية المفهوم ويتحقق منها تجريبياً مفهوم الاستمرارية الزمنية في النماذج المتسلسلة، مبرهنةً على أن نماذج مثل S4 تُظهر سلوكاً مستمراً مستقراً يتماشى مع استمرارية المهام لتحسين الأداء، بينما تكون نماذج مثل Mamba (S6) أكثر حساسية لعملية التجزئة، لتُظهر في النهاية أن الاستفادة من الاستمرارية تُمكّن من استراتيجيات أكثر كفاءة وفعالية لأخذ العينات الزمنية الفرعية.
تجادل هذه الورقة بأن الاعتماد حصرياً على نتائج النجاح أو الفشل النهائية في معايير تقييم الوكلاء الذكيين يقوض مصداقية التقييم من خلال حجب الطرق المختصرة، والحد من القدرة على التنبؤ بالمنفعة في العالم الحقيقي، وإخفاء السلوكيات الخطيرة، ومن ثم تقترح إطاراً منهجياً لتحليل السجلات مع تصنيف للتهديدات ومبادئ توجيهية لضمان تقييم أكثر صلاحية وأماناً للوكلاء.