25770 ورقة بحثية
تقدم هذه الورقة نهجاً للتحقق الرسمي للشبكات العصبية التناظرية تحت تأثير تغيرات العمليات باستخدام النطاقات متعددة الحدود (polynomial zonotopes) ونموذجاً قائماً على كثيرات الحدود، مما يقلل زمن التحقق بشكل كبير من أيام إلى ثوانٍ مع احتواء 99% من عينات التباين بدقة دون الاعتماد على محاكاة مونت كارلو.
تقدم الورقة البحثية ASIA، وهو إطار عمل لوكيل مستقل يستفيد من النماذج اللغوية الكبيرة لأتمتة عملية تحديد هوية النظام من البداية إلى النهاية — بدءاً من اختيار النموذج وصولاً إلى التدريب والتقييم — بناءً فقط على أوصاف المشكلات باللغة الإنجليزية العادية، مما يقلل من الاعتماد على تجربة الخطأ والتحقق التي يقوم بها الخبراء مع تسليط الضوء على التحديات في الشفافية وقابلية التكرار.
تقدم هذه الورقة DeepRefine، وهو إطار عمل قائم على التعلم التعزيزي يقوم بتشخيص وتحسين قواعد المعرفة التي يجمعها الوكيل بشكل تكراري للقضاء على عدم الاكتمال، وعدم الصحة، والازدواجية، مما يعزز دقة الاسترجاع وأداء المهام اللاحقة دون الحاجة إلى مراجع معيارية ذهبية.
تُثبت هذه الورقة أن استراتيجيات السبر الانتباهي متعددة الطبقات تتفوق بشكل كبير على عمليات السبر الخطي القياسية ثابتة الطبقة الواحدة في معايير القياس الصوتي الحيوي، مما يكشف أن طرق التقييم الحالية قد تقلل من تقدير الجودة الحقيقية لنماذج تمثيل الصوت.
تقترح هذه الورقة إطار عمل جديداً متعدد الوسائط للتعرف على التوزيعات ذات الذيول الطويلة، يقوم بدمج مصادر البيانات غير المتجانسة ديناميكياً باستخدام أوزان موجهة بالثقة للتغلب على عدم توازن الفئات والتفوق على الأساليب الحالية أحادية الوسائط.
تقترح هذه الورقة "Slash"، وهي طريقة لا تتطلب تدريباً تعزز الاستدلال الرسومي في النماذج اللغوية الكبيرة من خلال إعادة توزيع الانتباه لمواجهة "بالوعة الانتباه" وتضخيم قدرة النموذج الجوهرية على إعادة بناء طوبولوجيا الرسم البياني، مما يؤدي إلى التغلب على الصراع بين انحيازات معالجة اللغة وفهم البنية.
تُحلل هذه المراجعة المنهجية للأدبيات ثنائية الاتجاه (2020–2025) التقارب بين الذكاء الاصطناعي وتقنية السجلات الموزعة عبر خمس طبقات معمارية في كلا الاتجاهين، كاشفةً عن أن الأبحاث الحالية تركز بشكل ضيق على طبقات محددة، وتفتقر إلى التحقق على نطاق الإنتاج، وتتطلب تصميماً مشتركاً عبر الطبقات لمعالجة التحديات الجوهرية في القابلية للتوسع والتشغيل البيني.
تقدم هذه الورقة إطاراً إحصائياً صارماً باستخدام إحصاءات-U والمقاييس القائمة على النواة للتمييز بين القدرات الجوهرية لوكيل الذكاء الاصطناعي ومتانة تنفيذه، مما يثبت أن مقاييس الاتساق على مستوى المسار توفر حساسية تشخيصية متفوقة على معدلات pass@1 التقليدية لتحديد مشكلات الموثوقية في البيئات عالية المخاطر.
تقترح هذه الورقة نموذج انتشار القناع اللانهائي (IMDM)، الذي يستخدم قناعاً عشوائياً ذا حالة لانهائية للتغلب على حد خطأ التفكيك النظري لنماذج الانتشار المقنعة القياسية، مما يتيح تقطيراً فعالاً لعدد قليل من الخطوات وأداءً فائقاً في مهام توليد النصوص بعدد قليل من الخطوات.
تقترح الورقة البحثية DuetFair، وهو إطار عمل ثنائي المحاور يتميز بخوارزمية FairDRO التي تجمع بين خليط الخبراء المدرك للتوزيع والتحسين المتين للتوزيع المشروط بالمجموعات الفرعية لمعالجة التفاوتات بين المجموعات الفرعية والإخفاقات الخفية داخل المجموعات الفرعية في آن واحد في تقسيم الصور الطبية، محققةً عدالة فائقة وأداءً أفضل في الحالات الأسوأ عبر العديد من المعايير.