11158 ورقة بحثية
لمعالجة ندرة البيانات وعدم توازن الفئات في تصنيف آليات الدفاع النفسي، تقترح هذه الورقة إطار عمل تعزيز اصطناعي مدرك للسياق مدمج مع نموذج تصنيف هجين يستفيد من التوليد الموجه بالتعريفات ليتفوق بشكل كبير على النماذج المرجعية الحالية في مهمة PsyDefDetect المشتركة.
تقدم الورقة البحثية "Nexus"، وهو إطار عمل متعدد الوكلاء يعمل على تفكيك التنبؤ بالسلاسل الزمنية إلى مراحل متخصصة لدمج البيانات السياقية غير المهيكلة مع الأنماط الرقمية بفعالية، مما يمكّن النماذج اللغوية الكبيرة الحالية من مضاهاة أو التفوق على النماذج الرائدة مع توفير مسارات استدلال شفافة.
تتناول هذه الورقة أوجه القصور في التقييمات الحالية لعملية نسيان الآلة متعددة اللغات (MMU) من خلال اقتراح مقياسين جديدين، هما درجة فصل المعرفة (KSS) ودرجة استمرار المعرفة (KPS)، لتقييم إزالة المعلومات عبر اللغات بشكل أفضل وتقديم رؤى أعمق لظواهر نسيان الآلة متعدد اللغات (MMU).
تقترح هذه الورقة إطار عمل قائماً على التفاضل يستخدم اختباري المشتقة الأولى والثانية على بيانات التدريب لتحديد المعلم الفائق لحجم المفردات الأمثل لأنظمة التعرف التلقائي على الكلام من طرف إلى طرف بشكل رسمي، مما يظهر تحسناً في الأداء على مجموعة بيانات LibriSpeech.
تقترح الورقة البحثية إطار "التفكير عند الحاجة" (TWN)، وهو إطار توحيدي للتمثيل المتعدد الوسائط يستخدم بنية "LoRA" مزدوجة وآلية توجيه تكيفية لتقرير متى يتم توليد تسلسل الأفكار (chain-of-thought) بشكل ديناميكي، مما يحقق أداء استرجاع رائد مع تقليل كبير في عبء المعلمات وتكاليف الاستدلال مقارنة بالطرق الحالية.
تقدم الورقة البحثية LiSA، وهو إطار عمل لاستقراء السياسات التحفظية يعمل على تعزيز حواجز الحماية الثابتة للذكاء الاصطناعي من خلال تحويل حالات فشل النشر المتفرقة والمشوشة إلى تجريدات سياسات قابلة لإعادة الاستخدام عبر ذاكرة مهيكلة، مما يمكّن الوكلاء من التكيف مع مخاطر السلامة السياقية دون الحاجة إلى ضبط دقيق متكرر.
تقدم الورقة البحثية GroupMemBench، وهو معيار مرجعي مبتكر مصمم لتقييم ذاكرة وكلاء النماذج اللغوية الكبيرة في المحادثات متعددة الأطراف من خلال معالجة الفجوات في ديناميكيات المجموعات، وتتبع المعتقدات القائم على المتحدث، واللغة المتكيفة مع الجمهور، مما يكشف أن أنظمة الذاكرة الحالية تضعف بشكل كبير مقارنة بالنماذج المرجعية البسيطة في هذه الإعدادات الجماعية المعقدة.
تقترح الورقة البحثية "تحسين السياسة الموجه نحو التصحيح" (CIPO)، وهي طريقة مبتكرة تحول المسارات الفاشلة إلى إشارات تصحيح ذاتية الإشراف للتغلب على مشكلة المكافآت الشحيحة في التعلم التعزيزي ذي المكافآت القابلة للتحقق، مما يعزز بشكل كبير قدرات النماذج اللغوية الكبيرة في الاستنتاج وتصحيح الأخطاء عبر الاختبارات المعيارية للرياضيات والبرمجة.
تحدد هذه الورقة ظاهرة "عنق زجاجة الفعل" (Action Bottleneck) حيث يؤدي التخصيص الموحد للائتمان في التعلم التعزيزي الوكيل إلى سوء تخصيص إشارات التدريب عبر المبالغة في التأكيد على رموز الاستدلال، وتقترح ActFocus، وهي طريقة بسيطة لإعادة وزن الرموز مستندة إلى طاقة مستوى الرمز، والتي تحسن الأداء بشكل كبير من خلال إعطاء الأولوية لرموز الفعل دون تكاليف حوسبة إضافية.
تقدم هذه الورقة مساراً مؤتمتاً يستخدم التجميع المتين تجاه إعادة الصياغة ومصنف XGBoost لتحديد وتصنيف وترتيب فرص إعادة الهيكلة في مجموعات اختبار التطوير القائم على السلوك، مما يثبت أن المصنف يتفوق بشكل كبير على كل من النماذج القائمة على القواعد ونماذج اللغات الكبيرة المرجعية في اكتشاف المتواليات الفرعية للخطوات القابلة للاستخراج عبر مجموعة ضخمة من ملفات Gherkin.