12253 ورقة بحثية
تقدم الورقة البحثية SQUiD، وهو إطار عمل عصبي رمزي مبتكر يسخر النماذج اللغوية الكبيرة لتوليد مخططات قواعد البيانات العلاقاتية وتعبئة الجداول تلقائياً من النصوص غير المهيكلة، مما يظهر أداءً فائقاً عبر مجموعات بيانات متنوعة مقارنة بالنماذج المرجعية الحالية.
تقدم الورقة البحثية VeriTrail، وهي الطريقة وقاعدة البيانات الأولى المصممة لاكتشاف وتتبع الهلوسات في النطاقات المغلقة في كل من العمليات التوليدية أحادية الخطوة ومتعددة الخطوات، وذلك من خلال تحليل المخرجات الوسيطة لتحديد أصل المحتوى غير الأمين.
تقدم الورقة البحثية RedTeamCUA، وهو إطار عمل جديد للاختبار العدائي يتضمن بيئة اختبار (sandbox) هجينة لنظام تشغيل الويب ومرجع قياس RTC-Bench، والذي يكشف أن وكلاء استخدام الكمبيوتر الحاليين لا يزالون عرضة بشدة لهجمات حقن الأوامر غير المباشرة، حيث أظهروا معدلات نجاح كبيرة حتى في النماذج الأكثر تطوراً.
تقدم هذه الورقة CityLens، وهو معيار شامل يتكون من مجموعة بيانات متعددة الوسائط من 17 مدينة عالمية و11 مهمة تنبؤ لتقييم قدرات وحدود 17 نموذجاً من نماذج الرؤية واللغة الكبيرة المتطورة في التنبؤ بمختلف المؤشرات الاجتماعية والاقتصادية الحضرية من البيانات المرئية.
تقدم هذه الورقة OmniSpatial، وهو معيار مرجعي شامل قائم على علم النفس المعرفي يضم أكثر من 8.4 ألف عينة مشروحة عبر أربع فئات رئيسية، والذي يكشف عن قصور كبير في قدرات الاستدلال المكاني لنماذج الرؤية واللغة الحالية ويستكشف استراتيجيات مثل PointGraph وSpatialCoT لمعالجتها.
تقترح الورقة البحثية "تقطير المطالبات التكيفي الميتاوي" (Meta-Adaptive Prompt Distillation)، وهو إطار عمل للتعلم الميتاوي يعمل على تقطير الميزات البصرية ذات الصلة بالمهام إلى مطالبات ناعمة قابلة للتكيف عبر وحدة خريطة الانتباه، مما يتفوق بشكل كبير على التعلم السياقي القياسي والضبط الدقيق كفء المعلمات لمهام الإجابة على الأسئلة البصرية في النماذج متعددة الوسائط الكبيرة ضمن سيناريوهات التعلم من أمثلة قليلة.
تقدم الورقة البحثية VINCIE، وهو محول انتشار سببي-كتلي (block-causal diffusion transformer) تم تدريبه حصرياً على تسلسلات متعددة الوسائط مستمدة من الفيديو من خلال ثلاث مهام وسيطة، والذي يحقق أداءً هو الأفضل في فئته في تحرير الصور ضمن السياق ويظهر قدرات قوية في تركيب المفاهيم المتعددة وتوليد القصص.
تقدم هذه الورقة FAME، وهو إطار عمل للتمثيل متعدد الوسائط مراعٍ للعدالة، يعمل على تحسين كل من أداء التنبؤ والإنصاف في مهام السجلات الصحية الإلكترونية من خلال وزن الوسائط صراحةً بناءً على مساهماتها في العدالة واستخدام طريقة تجميع غير مقيدة بالإشارة لموازنة نتائج المجموعات الفرعية.
تقترح هذه الورقة إطاراً لتفكيك الضجيج يصنف إخفاقات النماذج اللغوية الكبيرة ذات السياق الطويل إلى ضجيج المهمة، وضجيج النموذج، وضجيج المجمع، مما يثبت أن استراتيجيات التجزئة متعددة الوكلاء يمكن أن تتفوق على النماذج المتقدمة ذات الدفعة الواحدة من خلال إدارة مصادر الخطأ المحددة هذه بفعالية.
تُظهر هذه الورقة أن تطبيق النماذج المعرفية لاتخاذ القرار البشري على النماذج اللغوية يكشف عن مقايضات قيمية قابلة للتفسير، مما يبين كيف تشكل جهود الاستدلال، والمطالبات، وديناميكيات ما بعد التدريب سلوك النموذج بشكل منهجي، وتوفر إطاراً مرناً لتشخيص والتحكم في هذه المقايضات أثناء عملية التطوير.