23700 ورقة بحثية
تقدم هذه الورقة ReplaySCM، وهو معيار مرجعي جديد يقيم قدرة النماذج اللغوية على استنتاج آليات سببية بولينية قابلة للتنفيذ من البيانات التدخلية عبر تقييم تعميم سلوكها عن طريق إعادة التشغيل بدلاً من مطابقة الصيغ النحوية، مما يكشف عن فجوات أداء كبيرة عندما تكون المعلومات الهيكلية مخفية.
تقدم الورقة البحثية FairHealth، وهي مكتبة مفتوحة المصدر بلغة بايثون صُممت لسد الفجوات الحرجة في الذكاء الاصطناعي للرعاية الصحية في البيئات ذات الموارد المحدودة، وذلك من خلال توفير إطار عمل موحد ونمطي يدمج تدقيق العدالة، والتعلم الاتحادي المحافظ على الخصوصية، والقابلية للتفسير في ظل انخفاض عرض النطاق الترددي، والأدوات المتخصصة لمجموعات بيانات دول الجنوب العالمي.
تتحدى هذه الورقة البحثية الحدس القائل بأن خرائط الانتباه الحادة تشير إلى الموثوقية في نماذج الرؤية واللغة، حيث تُثبت من خلال التحليل الآلي أن بنية الانتباه هي متنبئ شبه معدوم بالصحة، بينما توفر هندسة الحالة الخفية ودوائر الطبقات المتأخرة المتفرقة مؤشرات أكثر دقة بكثير على موثوقية النموذج.
تقدم هذه الورقة إطار عمل عصبي-رمزي خاضع للإشراف الضعيف يجمع بين الإدراك المرتكز على الكائنات القائم على الفتحات (slot-based) والمشفرات التلقائية التباينية لتأصيل الرموز من أجل الاستدلال المنطقي، محققةً أداءً عالياً وتعميماً للمجالات بما لا يزيد عن 1% فقط من البيانات المصنفة مع التفوق على النماذج التأسيسية الرائدة.
تُثبت هذه الورقة أن نموذج لغة كبير رائد (Claude) متصل بنظام جبر حاسوبي (Maple) ومعزز بالتعلم في السياق عبر أمثلة محلولة، يمكنه تنفيذ حسابات خوارزمية معقدة في الفيزياء النظرية بشكل موثوق، وتحديداً للاضطرابات الكونية في نظريات الجاذبية المعدلة، مع تحديد القيود الحالية واستراتيجيات التحسين أيضاً.
تقترح هذه الورقة البحثية VF، وهي نهج للتدريب في وقت الاختبار يتميز بآلية تصفية تحديث تكيفية تستفيد من الإشراف الطبيعي بين الصور المستقبلية المتوقعة والملاحظات الفعلية للتخفيف من نقاط الضعف الناتجة عن خروج البيانات عن التوزيع في نماذج الرؤية واللغة والعمل (VLA) الخاصة بالاستبصار البصري، وذلك دون الحاجة إلى تعديلات هيكلية.
تُثبت هذه الورقة أن توسيع نوافذ السياق في النماذج التأسيسية للسلاسل الزمنية يؤدي إلى تدهور الأداء بسبب الضجيج، في حين يتفوق التنبؤ المعزز بالاسترجاع (RAFT) بشكل كبير على أساليب السياق الطويل والتعلم من الصفر عبر حقن مقاطع تاريخية ذات صلة بشكل انتقائي لتوفير انحياز استقرائي أكثر فعالية.
تقدم هذه الورقة تقنية "التصور الكامن عبر التحسين" (LVO)، وهي تقنية في التفسير الآلي تجمع بين المشفرات التلقائية المتفرقة والتحسين في الفضاء الكامن لتصور الميزات أحادية المعنى في نماذج الانتشار، حيث نجحت في كشف مفاهيم متماسكة مثل الأشكال البشرية والورود التي تحجبها التمثيلات متعددة المعاني في النماذج المرجعية.
تُعد NoisyCoconut طريقةً لتعزيز الموثوقية في النماذج اللغوية الكبيرة أثناء وقت الاستدلال دون الحاجة لإعادة التدريب، وذلك عبر حقن ضجيج مُتحكم به في مسارات السعة الكامنة لتوليد مسارات استدلال متنوعة، واستخدام إجماعها لتمكين الامتناع الانتقائي وتقليل معدلات الخطأ بشكل كبير في مهام الاستدلال.
تستخدم هذه الدراسة نموذج XGBoost وتحليل SHAP على بيانات مراكز السيطرة على الأمراض والوقاية منها (CDC) لعام 2022 لتوضيح أن المحددات الاجتماعية للصحة على مستوى المقاطعات، ولا سيما معدلات الإعاقة وفجوات الوصول إلى العلاج، تتنبأ بفعالية بوفيات جرعات زائدة من الفنتانيل، مما يكشف عن مقاطعات "المخاطر الصامتة" الحرجة وصحاري العلاج التي تتطلب تدخلاً مبكراً مستهدفاً.