11419 ورقة بحثية
تقدم هذه الورقة بنية ذاكرة قائمة على أسس بيولوجية لوكلاء النماذج اللغوية الكبيرة (LLM agents) تتميز بست آليات معرفية ومنهجية معايرة اصطناعية، مما يظهر تحسينات كبيرة في دقة الاستبقاء وكفاءة التخزين عبر اختبارات تتبع المشكلات والدردشة الشخصية واسعة النطاق.
يُعد PAAC إطار عمل وكيلٍ واعٍ بالخصوصية يعمل على مواءمة تفكيك المخطط والمنفذ مع الحد الفاصل بين الجهاز والسحابة، وذلك باستخدام رموز نائبة نمطية وسجل حتمي لتحسين الدقة بشكل كبير مع تقليل تسرب البيانات بشكل جذري مقارنة بالنماذج المرجعية الحالية المتطورة.
تقدم الورقة البحثية AgentCollabBench، وهو معيار تشخيصي يكشف أن إخفاقات الأنظمة متعددة الوكلاء تنبع غالباً من اختناقات التواصل الهيكلية ومخاطر سلوكية محددة مثل تدهور التعليمات وانتقال العدوى بالاعتقاد الخاطئ، مما يثبت أن التعاون الموثوق يعتمد على التصميم المعماري أكثر من اعتماده على توسيع ذكاء النموذج وحده.
تقدم الورقة البحثية MIND-Skill، وهو إطار عمل متعدد الوكلاء يقوم تلقائياً بتوليد مهارات نماذج لغوية كبيرة عالية الجودة وقابلة لإعادة الاستخدام من خلال دورة استقراء واستنتاج مُحسّنة عبر خسائر نصية (إعادة البناء، والنتيجة، والمعايير) لضمان المتانة والقدرة على التعميم في المهام المعقدة.
تقدم هذه الورقة تصنيف عدالة التفسير (EFT) وتقدم أدلة تجريبية على أن النماذج اللغوية الكبيرة تولد بشكل منهجي تفسيرات متفاوتة الجودة والنبرة والتعقيد عبر المجموعات الديموغرافية، مما يكشف أنه في حين يمكن للتلقين أن يخفف من التفاوتات المرتبطة بالقرار، إلا أن عدم المساواة الأسلوبية تظل قائمة بسبب توزيعات ما قبل التدريب.
تقدم الورقة البحثية AAAC، وهي طريقة كمية ما بعد التدريب خفيفة الوزن تحقق ضغطاً فائقاً لأوزان النماذج اللغوية الكبيرة (LLMs) بدقة 4 بت عبر استخدام كتب رموز تكيفية مدركة للتنشيط لتقليل خطأ إعادة البناء مع عبء تخزين مهمل ووقت كمي أسرع بكثير مقارنة بالأساليب القائمة على التدرج.
تقدم هذه الورقة بنية "المزيج المتكرر المهيكل" (SRM)، وهي بنية مبتكرة تتيح التحويل الجبري بين التدريب المتوازي والاستدلال المتكرر لتحقيق كفاءة تدريب، وسعة معلوماتية، وإنتاجية استدلال متفوقة مقارنة بالنماذج الحالية ذات التعقيد الخطي، مع إظهار مكاسب كبيرة في الأداء في كل من المعايير القياسية ومهام التعلم المعزز.
يقدم هذا البحث AgentForesight، وهو إطار عمل يتميز بمراقب آني مدمج تم تدريبه على مجموعة بيانات AFTraj-2K المنقحة حديثًا للتنبؤ بالأخطاء الحاسمة وتحديد مواقعها في الأنظمة متعددة الوكلاء القائمة على النماذج اللغوية الكبيرة في الوقت الفعلي، مما يتيح التدخل أثناء وقت النشر بدلاً من الاعتماد على عزو الفشل بعد حدوثه.
تثبت هذه الورقة أن الانحيازات المعرفية، مثل أثر الأولوية والارتكاز، هي نتائج حتمية رياضياً لقصور المعالجة المتسلسلة في كل من نماذج الذكاء الاصطناعي ذات التوليد الذاتي والإدراك البشري، مما يبرهن من خلال البراهين النظرية والتحقق التجريبي على أن هذه الانحيازات تمثل استجابات عقلانية للموارد وليست مجرد أخطاء.
يُعد AdaPreLoRA مُحسِّنًا مبتكرًا لتقنية LoRA يعالج مشكلة التفرد في مسبق المترادفات للفضاء العاملي (factor-space preconditioner) عبر اعتماد مسبق مترادفات كرونيكر قطري (diagonal Kronecker preconditioner) قائم على Adafactor في فضاء الأوزان، واختيار تحديث عاملي ذي صيغة مغلقة يقلل من عدم التوازن المرجح بـ ، مما يحقق أداءً تنافسيًا عبر مختلف النماذج والمهام مع الحفاظ على انخفاض عبء الذاكرة.