25400 ورقة بحثية
تضع هذه الورقة رياضياً قوانين القياس ومعدلات الصرف لتحديد قيمة بيانات الدماغ في تحسين نماذج تعلم الآلة، مع تحديد ظروف محددة تتعلق بالتوافق بين المهمة والدماغ، والضجيج، وأحجام العينات حيث يكون جمع التسجيلات العصبية مفيداً للأداء والمتانة.
تحدد هذه الورقة البحثية "رموز الصخور" (Rock Tokens) كفئة فرعية مستمرة من الرموز ذات الخسارة العالية في عملية التقطير داخل السياسة (On-Policy Distillation)، والتي تستهلك موارد تحسين كبيرة رغم مساهمتها الضئيلة في أداء الاستنتاج، مما يثبت أن تجاوزها استراتيجياً يمكن أن يؤدي إلى تبسيط عملية محاذاة النموذج.
تقدم هذه الورقة إطار تدريب مبتكر يعزز التعميم في نماذج تعلم الآلة من خلال تكرارها وتوجيه رسائل التعلم المحلية عبر النسخ بواسطة تبديلات مهيكلة، مما يسهل مشاركة الرسائل المهيكلة دون انهيار النسخ المكررة أو الربط المباشر بين المعلمات.
تقدم الورقة البحثية SeePhys Pro، وهو معيار يكشف أن النماذج متعددة الوسائط الحالية تعاني في عملية نقل الوسائط من النص إلى الصور، وتوضح أن المكاسب الظاهرية الناتجة عن تدريب التعزيز عبر التغذية الراجعة لتعلم التعزيز (RLVR) متعدد الوسائط تنبع غالباً من الإشارات النصية المتبقية بدلاً من الاستدلال البصري الحقيقي.
تقدم هذه الورقة معياراً اصطناعياً لتقييم مدى قدرة عشرة نماذج لغوية كبيرة على التعامل مع تبديل السياق في المحادثات متعددة الأدوار، كاشفةً أنه بينما تستطيع بعض النماذج ذات القدرة على الاستنتاج والالتزام القوي بالتعليمات اكتشاف التحولات في المواضيع، فإن معظمها يعاني من مشكلات السياق القديم وانحياز الموضع، مما يسلط الضوء على تحديات حرجة لتحسين متانة الحوار طويل الأمد.
تقدم هذه الورقة البحثية "المساعد الطبي الذكي" (AI co-clinician)، وهو نظام ذكاء اصطناي محادثاتي متعدد الوسائط يستفيد من البيانات السمعية والبصرية في الوقت الفعلي لدعم اتخاذ القرار الطبي، مُظهراً أداءً يضاهي الأطباء في مقاييس الطب عن بُعد الرئيسية، مع تسليط الضوء على ضرورة النماذج الثلاثية التعاونية لضمان سلامة الذكاء الاصطناعي التشخيصي في الحالات عالية المخاطر.
تقترح هذه الورقة إطار عمل هيكلياً مدركاً للمطالبات يقوم تلقائياً بإرفاق بيانات وصفية ووثائق اعتماد قابلة للتحقق بالمحتوى المُنشأ بواسطة الذكاء الاصطناعي وقت إنشائه، مما يتيح التقييم الموثوق، وتتبع المصدر، وإعادة الاستخدام الآمن لهذا المحتوى ضمن الويب الوكيل الناشئ.
تقدم الورقة البحثية SuperMeshNet، وهو إطار عمل عصبي شبه مُشرف يستخدم التعلم التكميلي والتحيزات الاستقرائية لإعادة بناء حلول المحاكاة القائمة على الشبكات عالية الدقة بكفاءة من بيانات منخفضة الدقة، مع اشتراط 90% أقل من بيانات التدريب عالية الدقة مقارنة بالمعايير المرجعية الخاضعة للإشراف الكامل.
تقدم هذه الورقة MC، وهو حل هجين يجمع بين طرق مونت كارلو منخفضة الميزانية مع تصحيح الشبكة العصبية لتحقيق حلول عالية الدقة للمعادلات التفاضلية الجزئية الإهليلجية أسرع بـ 1000 مرة من مناهج مونت كارلو التقليدية، إلى جانب إطلاق PDEZoo، وهو معيار شامل لتقييم حل المعادلات التفاضلية الجزئية ذات الحوسبة المحدودة.
تقدم هذه الورقة نظرية التمثيل الفعال (RET)، وهي إطار عمل يعمل على تجريد الحالات الخفية للنماذج اللغوية الكبيرة إلى حالات كليّة عالية المستوى للكشف عن مسارات استدلال متسقة زمنياً، واستيعاب البنية الدلالية، وتمكين التنبؤ والتدخل في سلوك النموذج.