12021 ورقة بحثية
يُعدُّ Map-Travel إطار عمل هرمي متعدد الوكلاء يعالج التخطيط للسفر طويل الأمد مع قيود صارمة من خلال توظيف منسق ومنفذي أيام متوازيين مرتبطين ببروتوكولات مراقبة ومعاملات ومساومات، محققاً أداءً هو الأفضل في فئته وتقليلاً في زمن الاستجابة على معايير TravelPlanner وFlexTravelBench.
تقدم هذه الورقة RLSTA، وهو إطار عمل للتعلم التعزيزي يستفيد من قدرات الدور الواحد كمرتكزات مستقرة للتغلب على "القصور الذاتي السياقي"، مما يمكّن النماذج اللغوية الكبيرة من دمج المعلومات الجديدة بفعالية والحفاظ على استدلال قوي في التفاعلات متعددة الأدوار.
تقارن هذه الورقة بين أنظمة الذاكرة القائمة على الحقائق ونماذج اللغات الكبيرة ذات السياق الطويل من أجل الوكلاء المستمرين، لتجد أنه في حين توفر نماذج السياق الطويل عمومًا استرجاعًا حقائقيًا متفوقًا، فإن الذاكرة القائمة على الحقائق توفر حلاً أكثر فعالية من حيث التكلفة للتفاعلات طويلة الأمد من خلال الحفاظ على تكاليف ثابتة لكل دورة بعد مرحلة كتابة أولية، مع وجود نقطة تعادل محددة يتم تحديدها بواسطة طول السياق وحجم التفاعل.
تقدم هذه الورقة إطار عمل مبتكرًا للاستحواذ المتزامن على التصوير بالرنين المغناطيسي في الوقت الفعلي، وتخطيط كهربية الدماغ، وتخطيط كهربية العضل السطحي لالتقاط نشاط الدماغ والعضلات وأجهزة النطق أثناء الكلام، بما يتميز بمسار متخصص لتثبيط الشوائب للتغلب على التحديات التقنية وتمكين رؤى غير مسبوقة في علوم أعصاب الكلام.
يُعد HACHIMI إطار عمل متعدد الوكلاء وقابل للتوسع، يقوم بتوليد متن يتكون من مليون شخصية طالب اصطناعية متوافقة مع النظريات وقابلة للتحكم في التوزيع، مما يظهر دقة عالية في محاكاة الاستجابات البشرية للمفاهيم التعليمية مع توفير مورد معياري لاختبار نماذج اللغات الكبيرة التعليمية ومحاكاة العلوم الاجتماعية.
تقترح هذه الورقة تدخلاً منخفض التكلفة ولا يتطلب تدريباً لنماذج اللغات الانتشارية (Diffusion Language Models)، يقوم بتنفير العينات الوسيطة في الدفعة بشكل متسلسل لتعزيز التنوع التوليدي وتحسين أداء Pass@ في مهام الاستدلال دون عبء حسابي كبير.
تقيم هذه الدراسة قدرة النماذج اللغوية الكبيرة على استيعاب عدم اليقين لدى الخبراء في البحوث الإثنوغرافية النوعية من خلال مقارنة تحديد القيم القائم على نظرية "شوارتز" الذي تقوم به هذه النماذج مقابل التوصيفات البشرية، مما يكشف أنه بينما تقترب النماذج اللغوية الكبيرة من الأداء البشري في المقاييس القائمة على المجموعات وتتحسن باستخدام أساليب التجميع، إلا أنها تعاني في الترتيب الدقيق وتُظهر أنماط عدم يقين وتحيزات قيمية متميزة مقارنة بالخبراء.
تقدم هذه الورقة أربع دراسات مسجلة مسبقاً تُظهر أن تدخلات محاذاة السلامة في النماذج اللغوية الكبيرة يمكن أن تُنتج تأثيراً من نوع "الارتداد المعتمد على اللغة"، حيث تقلل المحاذاة من الاعتلال الجماعي في اللغة الإنجليزية ولكنها تضاعفه في لغات أخرى (لا سيما اليابانية) بسبب القيود الثقافية واللغوية، مما يكشف أن عمليات التحقق من السلامة المتمحورة حول اللغة الإنجليزية لا تعمم وقد تسبب تفككاً علاجياً منشأً في الأنظمة متعددة الوكلاء.
تقدم الورقة البحثية TimeWarp، وهو معيار يقيم وكلاء الويب عبر إصدارات واجهة المستخدم المتطورة لكشف ضعفهم تجاه التغييرات في التصميم، وتقترح TimeTraj، وهي خوارزمية لتقطير المخططات تعمل على تحسين متانة الوكيل بشكل كبير من خلال التدريب على المسارات التي تم جمعها من إصدارات متعددة للويب.
تُثبت هذه الورقة أن إعادة تشغيل بيانات التدريب المسبق العامة أثناء الضبط الدقيق يحسن الأداء على المهام المستهدفة بشكل كبير من خلال تعزيز كفاءة البيانات ومنع النسيان الكارثي، حتى بالنسبة للمجالات الأقل صلة.