25400 ورقة بحثية
تقدم الورقة البحثية EnactToM، وهو معيار مرجعي تم التحقق منه بدقة ومتطور لـ 300 مهمة متعددة الوكلاء متجسدة، يكشف عن فجوة حرجة في نماذج الذكاء الاصطناعي الرائدة الحالية، والتي تتفوق في أسئلة الاعتقاد الحرفي لكنها تفشل تماماً (بنسبة نجاح 0.0%) في نظرية العقل الوظيفية المطلوبة للتصرف بناءً على المعتقدات الضمنية في البيئات المعقدة ذات الرؤية الجزئية.
تقدم هذه الورقة "متعدد طيات الطاقة الحرة" (Free Energy Manifold - FEM)، وهو نموذج طاقة شرطي مُدرب بالدرجة (score-trained) يتيح استدلالاً فعالاً في الشبكات البايزية الهجينة عبر تمثيل العوامل الشرطية كأشكال تضاريسية للطاقة ومعالجة "أثر جسر النمط" (mode-bridge artifact) من خلال تنظيم الوادي لتحسين دقة التوزيع اللاحق بشكل كبير في الإعدادات متعددة الأنماط والتركيبية.
تقارن هذه الورقة بين نماذج قياسية اقتصادية، ونماذج تعلم آلي كلاسيكية، ونماذج تعلم عميق متنوعة للتنبؤ بمنحنى عائد الخزانة الأمريكي على مدار 47 عاماً، لتجد أن نماذج ARIMA التقليدية والنماذج المرجعية الساذجة تتفوق عموماً على الخوارزميات المتقدمة، مع كون TimeGPT وLGBM والشبكات العصبية المتكررة (RNNs) هي الأساليب الأكثر أداءً في مجال التعلم الآلي.
تقدم الورقة البحثية "المسبار الميتا-معرفي" (Metacognitive Probe)، وهو أداة تشخيصية مكونة من خمس مهام تقيم سلوكيات الثقة لدى النماذج اللغوية الكبيرة عبر خمسة أبعاد متميزة للكشف عن جيوب خفية من الثقة المفرطة التي تغفل عنها الاختبارات القياسية التجميعية، مما يظهر تباينًا كبيرًا قدره 47 نقطة بين معايرة النموذج الخاصة بمهمة معينة وقدراته على التنبؤ بصعوبة المهام عبر مختلف المهام.
تقدم هذه الورقة ChladniSonify، وهو نظام خرائط بصري-صوتي في الوقت الفعلي يستخدم شبكة عصبية تلافيفية (CNN) خفيفة الوزن مع آلية انتباه التركيز على القناة (CBAM) لتصنيف أنماط كلادني بدقة تبلغ 99.33% وزمن انتقال من طرف إلى طرف يقل عن 50 ميلي ثانية، مما يتيح تفاعلاً صوتياً-بصرياً دقيقاً ومنخفض التأخير لإنشاء فن الوسائط الجديدة.
تُعد MoPO إطار عمل مبتكر لاستعادة الشبكة البشرية المحجوبة، حيث يستفيد من الأولويات الحركية من تسلسلات الوضعيات للكشف عن حالات الحجب، والتنبؤ بمواقع المفاصل المفقودة، وتحسين الوضع النهائي، مما يحقق دقة متطورة واتساقاً زمنياً في كل من المعايير الخاصة بالحجب والمعايير القياسية.
تقدم هذه الورقة آلية عمق التزام قابلة للتعلم ومشروطة بالحالة ضمن سياسة رؤية-لغة، تحدد ديناميكياً عدد الأفعال الأولية التي يجب تنفيذها قبل إعادة التخطيط، مما يتفوق بشكل كبير على النماذج المرجعية ذات العمق الثابت ويؤدي بالنماذج مغلقة المصدر إلى مهام الاستدلال طويلة المدى من خلال تحسين المقايضة بين تكلفة إعادة التخطيط وخطأ التنفيذ.
تقترح هذه الورقة إطار عمل UFO، وهو إطار عمل موحد موجه نحو التدفق يعالج التحديات المزدوجة المتمثلة في النسيان الكارثي والإشراف الضوضائي في التعلم المستمر للرسوم البيانية، وذلك من خلال توظيف النمذجة التوليدية القائمة على التدفق لإعادة التشغيل واستخدام تسجيل الموثوقية على مستوى العينة للتخفيف من المعرفة الفاسدة.
تُثبت هذه الورقة أن تزويد نماذج المحولات (transformers) برموز سياقية كامنة مستمرة يُمكّنها من تنفيذ خوارزميات التعلم عبر الإنترنت بكفاءة، مثل "الأغلبية الموزونة" (weighted majority) و"تعلم كيو" (Q-learning)، مما يسمح للنماذج الصغيرة بالتفوق بشكل ملحوظ على النماذج اللغوية الكبيرة (LLMs) في المهام التكيفية طويلة الأمد.
تقدم هذه الورقة EgoMemReason، وهو معيار شامل مصمم لتقييم فهم الفيديو من منظور الشخص الأول (egocentric) طويل المدى عبر اختبار الاستدلال القائم على الذاكرة عبر أنواع الكيانات والأحداث والسلوكيات، مما يكشف أن النماذج متعددة الوسائط الحالية تعاني بشكل كبير في دمج الأدلة المتفرقة عبر فترات زمنية تمتد لعدة أيام.