23200 ورقة بحثية
تقترح هذه الورقة سير عمل مكوناً من ست مراحل وموجهاً بالصلاحية، يدمج بين القياس النفسي والاستدلال السببي لمعالجة عدم الموثوقية الشديدة في القياس في أبحاث النماذج اللغوية الكبيرة، مما يضمن أن تكون النتائج في علم نفس الذكاء الاصطناعي قوية وشفافة ومتميزة عن الآثار الإحصائية.
تقدم الورقة البحثية ProteoKnight، وهي طريقة ترميز قائمة على الصور مبتكرة تعمل على تكييف خوارزمية DNA-Walk لمتواليات البروتين لتحقيق دقة تنافسية في تصنيف بروتينات الفيروسات الآكلة للبكتيريا (Phage Virion Proteins) باستخدام شبكات عصبية تلافيفية سابقة التدريب، مع تقييم عدم اليقين في التنبؤ عبر تقنية إسقاط مونت كارلو (Monte Carlo Dropout).
تقدم الورقة البحثية CulTrace، وهي طريقة للتفسير الآلي تكشف أن النماذج اللغوية الكبيرة تعالج الاستدلال الثقافي من خلال مسار متسق ثلاثي المراحل يتكون من الانخراط في المجال، وحل المعضلات الثقافية، واختيار الإجابة، بينما تكشف أيضاً عن اختلالات حيث تواجه النماذج صعوبة مع الثقافات الأقل تمثيلاً.
تقترح الورقة البحثية طريقة CARVE، وهي طريقة لا تتطلب تدريباً تعمل على تعزيز الاستنتاج البصري لنماذج الرؤية واللغة عبر الاستفادة من التباين بين خرائط الانتباه العامة والخاصة بالمهمة لتصفية الضوضاء البصرية وصقل التركيز، مما يحقق مكاسب كبيرة في الأداء دون تدريب إضافي أو أدوات خارجية.
تقدم الورقة البحثية OpenGPT-4o-Image، وهي مجموعة بيانات واسعة النطاق تضم 80,000 زوج من التعليمات والصور تغطي 11 مجالاً و51 مهمة فرعية، والتي تعزز بشكل كبير أداء النماذج متعددة الوسائط الموحدة في توليد الصور وتحريرها من خلال بناء بيانات منهجي ومؤتمت.
تقترح الورقة البحثية إطار عمل FedSSL-AMC، وهو إطار عمل اتحادي للتعلم الذاتي الموجه يستفيد من التدريب المسبق باستخدام فقد الثلاثي (triplet-loss) على بيانات I/Q غير المصنفة وآلات ناقلات دعم (SVMs) محلية خفيفة الوزن لتحقيق تصنيف آلي قوي وفعال في الاتصالات لتصنيف التعديل تحت ظروف البيانات غير المتماثلة (non-IID) وغير المتوازنة.
طورت دراسة AIRE-KIDS نموذجاً للتعلم الآلي باستخدام السجلات الطبية الإلكترونية، والبيانات البيئية، ومعلومات الأحياء لتوقع نوبات الربو الحادة لدى الأطفال بدقة، مما أظهر أداءً متفوقاً على قواعد القرار الحالية من خلال تحقيق مساحة تحت المنحنى (AUC) تبلغ 0.712 ودرجة F1 تبلغ 0.51.
تقدم الورقة البحثية QA-Merging، وهو إطار عمل لا يتطلب تدريباً يقوم بدمج نماذج Long-CoT وShort-CoT بشكل تكيفي عبر معايرة طبقات المحولات (transformer layers) ذات التباين العالي في أنماط الاستدلال فقط، مما يقلل تكاليف الاستدلال مع الحفاظ على أداء قوي عبر مهام استدلال متنوعة.
تقدم هذه الورقة "عدالة الائتمان"، وهي خاصية مبتكرة لمجمعات الموارد المشتركة تعطي الأولوية للوكلاء الذين يقرضون الموارد مبكراً لاستردادها لاحقاً، وتوضح أنه بينما يمكن أن تتعايش مع كلاً من كفاءة باريتو أو إثبات الاستراتيجية، إلا أنها غير متوافقة مع كليهما في ظل عدم التمييز، وتقترح آلية ذات عدالة ائتمانية وكفاءة باريتو لمثل هذه الإعدادات.
تقترح هذه الورقة طريقة تدرب بشكل مشترك سياسة تعلم تعزيزي متعدد المهام ومثبتاً للرموز باستخدام آلات المكافأة العصبية لتمكين الوكلاء من اتباع تعليمات المنطق الزمني الخطي في بيئات غير رمزية دون معرفة مسبقة برسم الخرائط من الرمز إلى الملاحظة، محققةً بذلك تعميماً صفرياً يتفوق على النهج الحالية.