25770 ورقة بحثية
تقدم هذه الورقة "مهارات السرب" (Swarm Skills)، وهي مواصفات قابلة للنقل وخوارزمية تطور ذاتي تحول بروتوكولات التنسيق بين الوكلاء المتعددين إلى أصول قابلة للتوزيع وذات قيمة أولية، مما يمكّن فرق الوكلاء من صقل استراتيجياتهم التعاونية بشكل مستقل عبر أطر عمل مختلفة دون إشراف بشري.
تُعد Metis إطار عمل مبتكر يعيد صياغة عملية كسر حماية النماذج اللغوية الكبيرة (LLM jailbreaking) كعملية تحسين سياسة معرفية فوقية ذاتية التطور ضمن عملية قرار ماركوف لاتخاذ قرار جزئي الملاحظة (POMDP) تنافسية، محققةً معدلات نجاح هجوم هي الأفضل في فئتها مع تقليل تكاليف الرموز (tokens) بشكل كبير عبر استبدال الاستدلالات الثابتة باستدلال سببي موجه لتجاوز دفاعات السلامة المتقدمة.
تقدم هذه الورقة خوارزمية اختبار نشط مبتكرة لنماذج اللغات الكبيرة التوليدية تستفيد من الإنتروبيا الدلالية من النماذج البديلة لتقسيم مجمعات التقييم وإجراء تخصيص "نيمان" تقريبي، مما يقلل بشكل كبير من متوسط مربع الخطأ وتكاليف التوسيم مقارنة بأخذ العينات المنتظمة والخطوط المرجعية الحالية.
تقدم الورقة البحثية PoDAR، وهو إطار عمل يعمل على فصل قدرة الإشارة عن المحتوى الدلالي من خلال تعزيز القدرة العشوائي والاتساق الكامن، مما يؤدي إلى تسريع تقارب النماذج التوليدية بشكل كبير وتحسين جودة الصوت وتشابه المتحدث.
تقدم الورقة البحثية ViSRA، وهو وكيل يعتمد على الفيديو ومتوافق مع البشر ولا يتطلب تدريباً، يستفيد من المعلومات المكانية الصريحة من النماذج الخبيرة لتعزيز قدرات الاستدلال المكاني ثلاثي الأبعاد للنماذج اللغوية الكبيرة متعددة الوسائط بشكل كبير دون الحاجة إلى ما بعد التدريب أو تنسيق مجموعات البيانات يدوياً.
تقدم هذه الورقة وحدة ما بعد التكرار (PRM)، وهي طبقة مبتكرة مدمجة في الشبكات العصبية المتكررة تعمل على تحسين أداء واجهة الدماغ والحاسوب القائمة على موجة P300 بنسبة 9% مع توفير قابلية تفسير مزدوجة عالمية ومحلية لمواءمة قرارات النموذج مع الأنماط الفسيولوجية العصبية الراسخة.
تقترح هذه الورقة إطار عمل معيارياً متمحوراً حول الإنسان لتقييم أدوات الذكاء الاصطناعي في البحث الأكاديمي، حيث وجدت أنه بينما تعزز هذه الأدوات الكفاءة في المهام الاستكشافية مثل البحث في الأدبيات والتلخيص، فإن افتقارها إلى الشفافية، وقابلية التكرار، والقدرة الموثوقة على التفسير يستلزم تحققاً بشرياً صارماً لاستخراج المعلومات بدقة.
تقدم هذه الورقة البحثية FormalRewardBench، وهو أول معيار لتقييم نماذج المكافأة في إثبات النظريات الصورية باستخدام 250 زوجًا من التفضيلات التي أعدها خبراء، كاشفةً أن النماذج اللغوية الكبيرة الرائدة تتفوق على أدوات إثبات النظريات المتخصصة في تقييم جودة الإثبات، ومسلطةً الضوء على أوجه القصور في النماذج الحالية في التمييز بين البراهين الصحيحة ومختلف الأخطاء المُحقونة.
تُظهر هذه الدراسة أن توسيع نطاق نماذج الرؤية الحاسوبية لا يعزز باستمرار جودة تفسيراتها القائمة على التحديد المكاني، حيث غالبًا ما تؤدي البنيات الأصغر أداءً يضاهي أو يتفوق على البنيات الأكبر، مما يسلط الضوء على الحاجة إلى تقييم القدرة على التفسير صراحةً جنبًا إلى جنب مع دقة التنبؤ في التطبيقات الحرجة للسلامة.
تقترح هذه الورقة طريقة لتعلم مخططات بيانية موجهة (DAGs) سببية منخفضة الأبعاد من نماذج خطية غير غاوسية عالية الأبعاد ذات دورات، مبرهنةً على أن مثل هذه الملخصات قابلة للتمييز، وثابتة عبر فئات التكافؤ الرصدي، وقابلة للحوسبة في زمن تكعيبي مع حدود صريحة للتعقيد العيني.