22999 ورقة بحثية
تعيد هذه الورقة صياغة عملية اختيار النماذج اللغوية الكبيرة المقترحة للتعاون بين الأنظمة متعددة الذكاء الاصطنا-ي كمسألة توافقية تتمحور حول التكامل، حيث تقترح وتتحقق من صحة خوارزميات جشعة قابلة للتنفيذ حاسوبياً تتفوق على النهج الحالية التي تركز على الدقة أو التنوع من خلال تحسين التآزر بين النماذج المقترحة والنموذج الملخص.
تقترح هذه الورقة وتثبت تجريبياً إطار عمل للمنطق النيوتروسوفي (Neutrosophic Logic) للنماذج اللغوية الكبيرة يعامل الحقيقة، وعدم التحديد، والزيف كأبعاد مستقلة، مبرهنةً على أن السماح لمجموعها بتجاوز الواحد الصحيح (الحقيقة الفائقة/hyper-truth) يجسد بفعالية عدم اليقين المعرفي، والتناقض، والصراعات الأخلاقية التي تفشل النماذج الاحتمالية التقليدية في التمييز بينها.
تقدم الورقة البحثية Cascade-KDE، وهو إطار عمل لا يتطلب تدريباً يعمل على استعادة البيانات السلاسل الزمنية التي تعرضت للتلف بفعل ضوضاء غاوسية مختلطة وقيم متطرفة نبضية بشكل قوي، وذلك عبر الاستفادة من تقدير الكثافة ثنائي الأبعاد والتتابع التكيفي للحفاظ على الميزات المحلية والمشتقات الحرجة دون الحاجة إلى تدريب النموذج.
تقدم هذه الورقة LoRDBA، وهو محول ثنائي مزدوج منخفض الرتبة يستبدل عوامل LoRA بحوامل إشارية ومقاييس عبر القنوات لتقليل عبء التخزين والاتصال على الأجهزة بشكل كبير مع الحفاظ على أداء تنافسي وزمن انتقال يمكن إدارته.
تقدم هذه الورقة منهجية غير خاضعة للإشراف مكونة من ثلاث خطوات لتحديد دوائر رؤوس الانتباه السببية في نماذج المحولات سابقة التدريب، مما يثبت أن نهجاً قائماً على الإشارة الطيفية ينجح في عزل دوائر الاستقراء الخاصة بالمهام عبر مختلف مقاييس النماذج، وبنياتها، ومسارات تدريبها.
تستعرض هذه الورقة التقاطع بين الاتصال عبر جسم الإنسان (HBC) والتعلم الاتحادي (FL) من أجل ذكاء الحافة القابل للارتداء، مقترحةً تصنيفاً شاملاً، وبنية مرجعية BODYFED-HBC مع خوارزمية جدولة قائمة على الأمثلة، وإطار محاكاة قابل لإعادة الإنتاج لمعالجة التحديات المفتوحة المتعلقة بالوعي بالقناة المعتمد على الوضعية، وقيود الطاقة، والخصوصية في الشبكات ضمن نطاق الجسم.
تُثبت هذه الورقة أن إسقاط نسبة ثابتة (تحديداً 25%) من الانتقالات من مخرجات (rollouts) خوارزمية PPO بشكل عشوائي يكسر بفعالية حالة التكرار في التدرجات المتسلسلة سببيّاً، مما يؤدي إلى استقرار ديناميكيات التدريب عبر بيئات متنوعة دون تغيير الخوارزمية الأساسية أو التضحية بأداء المكافأة النهائي.
تجادل هذه الورقة بأن الاستدلال السببي هو "الضمير الإحصائي" الذي لا غنى عنه لضمان موثوقية الذكاء الاصطناي، حيث تثبت أن التمييز بين الارتباط والسببية أمر جوهري لتحقيق التعميم خارج نطاق التوزيع ومعالجة أوضاع الفشل الحرجة مثل الهلوسة وتلاعب المكافأة من خلال إطار موحد للمقدرات الإحصائية السببية.
تقدم هذه الورقة خوارزمية مبتكرة تستفيد من تقنيات التحقق من الشبكات العصبية لحساب حدود دقيقة ومثبتة وقابلة للضبط بشكل تعسفي لقيم شابلي (Shapley) الدقيقة، مما يتيح حساب قيم SHAP بدقة وقابلية للتوسع للشبكات العصبية ذات مساحات البحث الأكبر بكثير من الطرق الدقيقة الحالية.
تقترح هذه الورقة خوارزمية عصبية تحدد الأحواض شبه المستقرة في عمليات ماركوف عالية الأبعاد من خلال دمج الحالات المرشحة بشكل تكراري بناءً على التمييز بين توزيعات مساراتها الهامشية، مما يظهر أداءً فائقاً على الطرق الطيفية وطرق التجميع التقليدية في الإعدادات المعقدة وغير الخطية.