11158 ورقة بحثية
تقدم الورقة البحثية ORCA-bench، وهو معيار قياس ذو دقة إنتاجية لتقييم وكلاء النماذج اللغوية في مهام تحليل الأسباب الجذرية أثناء المناوبات، كاشفةً أن أكثر النماذج المتطورة حالياً تحقق دقة منخفضة (25.3% في الصعوبة المتوسطة) وتواجه صعوبة في الهلوسة، مما يشير إلى وجود فجوة كبيرة قبل إمكانية الوثوق بها بأمان في موثوقية الإنتاج في العالم الحقيقي.
تقدم هذه الورقة OpenMLE، وهو نظام مفتوح متكامل (full-stack) للتحسين الذاتي المتكرر في هندسة تعلم الآلة، وتقدم Frontis-MA1، وهو وكيل تطور ميتا (meta-evolution agent) بحجم 35 مليار معلمة يستفيد من التدريب المرتكز على التنفيذ والبحث طويل الأمد ليتفوق بشكل كبير على النماذج الرائدة في معايير هندسة تعلم الآلة (MLE) مع إظهار قدرة قوية على الانتقال إلى المهام غير المختبرة مسبقاً.
تُثبت هذه الورقة أنه عبر مختلف النماذج مفتوحة المصدر (من 1.5 إلى 7 مليارات معلمة) واختبارات الرياضيات المرجعية، يتفوق أخذ العينات المتكرر باستمرار على أساليب الصقل الذاتي والتفكير المعقد أو يضاهيها عند تقييمها بتكلفة رموز متساوية، مما يكشف أن المكاسب الظاهرية للأخيرة تنبع غالباً من زيادة حجم التوليد بدلاً من استراتيجيات التفكير المتفوقة.
تقدم هذه الورقة تقنية "تقطير العزو البصري" (VAD)، وهي خوارزمية مضادة للواقع تعمل على عزل التصحيحات المنسوبة بصرياً من إشارات المعلم المختلطة في عملية التقطير متعدد الوسائط القائمة على السياسة، وذلك لإعادة بناء أهداف تدريبية أكثر فعالية ومتوافقة مع الأدلة، والتي تتفوق على الأساليب الحالية في معايير الاختبار البصرية دقيقة التفاصيل.
تقدم الورقة البحثية Change2Task، وهو نظام يقوم تلقائياً بتحويل طلبات السحب المدمجة إلى مهام لوكلاء برمجيين تم التحقق منها وقابلة للتنفيذ عن طريق إعادة بناء حالات المستودعات التاريخية والتحقق من صحتها على قواعد برمجية حديثة، مما يزيد بشكل كبير من عرض بيانات التدريب مع تقليل تكاليف الإعداد وتحسين معدلات استرداد المهام مقارنة بالنماذج المرجعية الحالية.
تقدم هذه الورقة البحثية OSReward، وهو معيار شامل يكشف عن أوجه القصور في نماذج الرؤية واللغة الحالية كحكام للوكلاء المستخدمين للحاسوب، وتعالج هذه الفجوة من خلال إطلاق OS-Shepherd، وهي عائلة من نماذج المكافأة المفتوحة ومنخفضة التكلفة والمدربة على مجموعة بيانات جديدة موسومة بالاستدلال تضاهي الأداء التجاري بجزء بسيط من التكلفة.
تقدم هذه الورقة AISPA، وهو إطار عمل متمحور حول المستخدم لتدقيق مطالبات الأنظمة في تطبيقات الذكاء الاصطناعي التجارية، والذي يكشف عن تباين كبير في جودة التصميم، وانتشار التدابير الوقائية الضحلة، والتعايش المستمر للتعليمات الإشكالية التي تقوض مصالح المستخدم رغم الجهود المتزايدة نحو السلامة.
تُعد AskChem بنية تحتية جديدة تُحدث تحولاً في تركيب الأدبيات الكيميائية عبر نقل عملية الاسترجاع من الوثائق الكاملة إلى ادعاءات ذرية حاملة للمصدر، مما يُمكّن من بحث واكتشاف أكثر دقة وقابلية للتحقق والوصول عبر الذكاء الاصطناعي بين الأوراق البحثية المختلفة.
تقترح هذه الورقة منهجية هجينة تجمع بين خوارزميات كشف المجتمعات ومعالجة اللغات الطبيعية لتحديد والتحقق من صحة المجموعات الاجتماعية عبر الإنترنت القائمة على الثقافة، مما يتيح تقييم خوارزميات التجميع بناءً على التوافق النصي وتحقيق دقة تزيد عن 85% في التنبؤ بآراء المستخدمين.
تقدم الورقة البحثية MEDIC، وهو إطار تقييم شامل يتجاوز المعايسات الثابتة المشبعة لتقييم النماذج اللغوية الكبيرة السريرية عبر خمسة أبعاد، مما يكشف عن فجوات حرجة بين استرجاع المعرفة والتنفيذ التشغيلي مع إثبات ضرورة نهج المحفظة المتنوع من أجل نشر النماذج بشكل آمن وفعال.