11611 ورقة بحثية
تقدم هذه الورقة M-CARE، وهو إطار تقرير سريري معياري مُقتبس من الطب البشري لتشخيص وتصنيف الاضطرابات السلوكية للذكاء الاصطناعي، تم التحقق من صحته من خلال أطلس مكون من 20 حالة وأدلة تجريبية على ظواهر مثل التجاوز السلوكي الناجم عن القشرة (SIBO).
تقدم هذه الورقة البحثية نموذج AITP، وهو نموذج لغوي كبير متعدد الوسائط يستفيد من سلسلة أفكار متعددة الوسائط وتوليد معزز بالاسترجاع للقيام بتخصيص مسؤولية حوادث المرور المعقدة، مدعوماً بمعيار DecaTARA الشامل الذي يحتوي على ما يقرب من 68,000 فيديو مشروح.
تقترح الورقة البحثية "Absorber LLM"، وهي طريقة للتدريب أثناء وقت الاختبار، والتي تصيغ الاحتفاظ بالسياق الطويل كمسألة تزامن سببي ذاتي الإشراف لتمكين نموذج عديم السياق من مطابقة تنبؤات نموذج كامل السياق، مما يحقق استنتاجاً بذاكرة ثابتة مع دقة محسنة مقارنة بنهج الذاكرة القائمة على المعلمات الموجودة حالياً.
تقدم هذه الورقة DexBench، وهو معيار اختبار صُمم لتقييم الفهم الديناميكي للأكواد البرمجية لدى النماذج اللغوية الكبيرة من خلال تقييم قدرتها على الاستنتاج حول تنفيذ البرامج عبر مهمتين متكاملتين: التنبؤ بالسلوك بناءً على المدخلات، واستنتاج طفرات المدخلات لتحقيق أهداف سلوكية محددة.
تقدم هذه الورقة البحثية "هجوم اختطاف الوظائف" (FHA) المبتكر الذي يتلاعب بقوة بالنماذج الذكية للذكاء الاصطناعي الوكيل لدفعها نحو تنفيذ وظائف يختارها المهاجم بغض النظر عن دلالات السياق، محققاً معدلات نجاح عالية عبر نماذج متنوعة ومبرهناً على الحاجة الماسة لتعزيز الضوابط الأمنية في أنظمة استدعاء الوظائف.
تقدم الورقة البحثية AFRILANGTUTOR، وهو إطار عمل يستفيد من قاموس لغات أفريقية-إنجليزية تم إنشاؤه حديثاً يضم 194.7 ألف مدخل (AFRILANGDICT) لتوليد مجموعة بيانات متعددة الجولات مكونة من 78.9 ألف مدخل (AFRILANGEDU) لضبط النماذج اللغوية الكبيرة، مما أدى إلى تحسين معلمين ذكاء اصطناعي بشكل كبير لـ 10 لغات أفريقية منخفضة الموارد.
تقدم الورقة البحثية TRACES، وهو إطار عمل خفيف الوزن يقوم بوسم خطوات الاستدلال في الوقت الفعلي لتمكين الإيقاف المبكر التكيفي وفعال التكلفة لنماذج الاستدلال اللغوية، محققاً خفضاً بنسبة 20-50% في استخدام الرموز (tokens) مع الحفاظ على دقة مماثلة عبر اختبارات مرجعية متعددة.
تقترح هذه الورقة DWTSumm، وهو إطار عمل خفيف الوزن يطبق تحويل المويجات المنفصلة (Discrete Wavelet Transform) على تضمينات النصوص لتفكيك المستندات إلى مكونات دلالية عالمية ومحلية، مما يؤدي إلى تحسين التأسيس الواقعي، والأمانة الدلالية، والحد من الهلوسة في تلخيص المستندات الطويلة في المجالات السريرية والقانونية مقارنة بالنماذج اللغوية الكبيرة القياسية.
تُظهر هذه الدراسة أن استراتيجية تسلسل بيانات FHIR تؤثر بشكل كبير على أداء المصالحة الدوائية في النماذج اللغوية الكبيرة، حيث تُحسّن تنسيقات السرد السريري النتائج للنماذج التي تصل معلماتها إلى 8 مليارات، بينما يصبح تنسيق JSON الخام متفوقاً للنماذج ذات الـ 70 مليار معلمة، مما يكشف أن الحذف هو نمط الفشل المهيمن وأن التدريب المسبق المتخصص وحده غير كافٍ للاستخراج المهيكل.
تقترح هذه الورقة استراتيجية لإعادة وزن الرموز (tokens) تعطي الأولوية للرموز ذات الدلالة المعنوية في دالة الخسارة، مما يمكّن نماذج الرؤية واللغة من توليد تقارير طبية عالية الجودة باستخدام بيانات تدريب أقل بعشر مرات مقارنة بأساليب الإنتروبيا المتقاطعة القياسية.