11070 ورقة بحثية
تقدم هذه الورقة البحثية \textbf{\method}، وهو إطار عمل بايزي للتصميم الجزيئي العكسي ذو حلقة مغلقة يستفيد من نموذج لغوي كبير مجمد كبديل دلالي للاستنتاج مباشرةً بناءً على التعليمات النصية وسجل التحسين، مما يسمح باختيار جزيئات مرجعية غنية بالمعلومات لتوجيه مولد مجمد، متفوقاً بذلك على أو مضايفاً للنماذج المرجعية التقليدية القائمة على العمليات الغاوسية عبر مهام تصميم الأدوية والمواد.
تقدم هذه الدراسة مقياساً معتمداً من خمس مستويات للدعم التعليمي (scaffolding) لتحليل أكثر من 14,000 استجابة من نماذج اللغات الكبيرة (LLMs) في سياق التدريس، كاشفةً أن نماذج الذكاء الاصطناعي تقدم بشكل ساحق مساعدة مباشرة (شرح أو حل) بدلاً من الدعم الموجه، وهو نمط سلوكي يؤثر على حوار الطالب ولكنه يقدم قيمة تنبؤية محدودة للأداء في الامتحانات بما يتجاوز التحصيل السابق.
تُعد PatchWrite بروتوكول تحرير محكوم بالترجمة، يحافظ على الصلاحية للمخطوطات التي صاغها الذكاء الاصطناعي، حيث يمنع الانحراف غير المرتبط في المقاييس والاستشهادات من خلال فرض فحوصات السجل القاتل وأقفال الأدلة، مما يضمن عدم اعتماد سوى التعديلات الموثقة بسجلات المراجع أو سجلات التجارب مع الحفاظ على سلامة المستند بأكمله.
تجادل هذه الورقة بأن الفجوة المتصورة في أداء توجيه النماذج اللغوية الكبيرة تعود إلى نوع المهمة بدلاً من تعقيد اختيار النموذج، حيث تثبت أن استراتيجية توجيه ثابتة بسيطة تعتمد على نوع المهمة واللغة تتفوق على الموجهات المتعلمة وأفضل نموذج منفرد مع تقليل التكاليف بشكل كبير.
تقدم هذه الورقة "Meta-Moderator"، وهو إطار عمل قابل للتعلم يعزز المناظرة بين الوكلاء المتعددين عبر توظيف نهج معرفي ميتافيزيقي مدفوع بالنتائج لتنظيم المداولة ديناميكيًا والتحكيم في الإجابات النهائية، متفوقًا بذلك على استراتيجيات الوساطة الثابتة أو غير المدربة الموجودة عبر معايير قياسية متنوعة.
تقدم هذه الورقة البحثية مدونة "إطار المعنى متعدد اللغات" (mFNC)، وهي مورد متناغم يوسع نطاق "إطار المعنى الإنجليزي" ليشمل تسع لغات إضافية، مما يتيح تحقيق أداء فائق في مهام الإعراب الدلالي للإطارات متعددة اللغات وعبر اللغات.
يُعد AutoSaddler إطار عمل تلقائي يعمل على تحسين أطر عمل وكلاء النماذج اللغوية الكبيرة (LLM) من خلال التشخيص المتكرر لتتبعات الفشل من سجلات التنفيذ وتوليد تصحيحات برمجية مهيكلة، مما يحسن بشكل كبير من متانة الوكلاء وأدائهم في المهام طويلة المدى عبر معايير قياسية متعددة.
تقدم هذه الورقة WebDev-Skills-Bench لتوضيح أن حقن مهارات الوكيل القابلة لإعادة الاستخدام في مهام تطوير الويب غالباً ما يؤدي إلى تدهور الأداء وزيادة التكاليف، مما يكشف أن المهارات تكون ضارة في كثير من الأحيان بسبب تشتت طول المطالبة أو المحتوى المضلل بدلاً من المنفعة الحقيقية، مما يستوجب إجراء عمليات تدقيق عند كل عملية نشر وضوابط متطابقة في الطول للتقييم الفعال.
يقدم AgentWeave طبقة توجيه حتمية تسبق عملية الاستدلال، تعمل على تحسين معدلات نجاح استدعاء الدوال بشكل كبير وتقليل العبء الحسابي للنماذج اللغوية الغنية بالأدوات من خلال تصفية فضاء الإجراءات المرشحة قبل استدلال النموذج، حتى عند استخدام نموذج ثابت صغير النطاق.
تضع هذه الورقة إطاراً مفاهيمياً شاملاً لوكلاء النماذج اللغوية الكبيرة الجزيئية من خلال تحديد تصميمهم المعماري عبر التمثيلات، والأدوات، والتعلم، واقتراح "سلم استقلالية علمي" مكون من أربعة مستويات لتوجيه تطوير وتقييم ونشر الأنظمة المستقلة في مجال الاكتشاف الجزيئي.