24233 ورقة بحثية
تقدم هذه الورقة DIAL، وهو إطار تعلم تكيفي مستند إلى الاتجاه يتغلب على عدم استقرار إشارات البوابة ذات الاتجاه الثابت في وكلاء النماذج اللغوية الكبيرة (LLM agents) من خلال تعلم اتجاهات المنفعة الخاصة بالبيئة عبر الاستكشاف المضاد للواقع، محققاً بذلك توازناً متفوقاً بين النجاح والتكلفة عبر إعدادات متنوعة.
تقدم هذه الورقة إطار عمل للدمج الزمني ثنائي المقياس يعزز التنبؤ بدرجات الحرارة من المقياس دون الموسمي إلى الموسمي من خلال نمذجة التفاعل الهيكلي صراحةً بين السياق المناخي المتوافق مع التقويم وتطور الطقس الأخير، كاشفةً أن مهارة التنبؤ تتحدد أساساً من خلال التحولات الموسمية والجغرافية في هيمنة المقياس الزمني بدلاً من مجرد التضاؤل المرتبط بمهلة التنبؤ.
تقدم الورقة البحثية "You Only Stack Once" (YOSO)، وهي مسار معالجة جديد للتعلم العميق يستخدم مرشح حركة غاوسي (Gaussian Motion Filter) للكشف بكفاءة عن أجرام المجموعة الشمسية الباهتة وبطيئة الحركة بمعدل منخفض للغاية من الإيجابيات الكاذبة، مما يوفر بديلاً قابلاً للتوسع لطرق "الإزاحة والتكديس" (shift-and-stack) التقليدية للمسوحات الفلكية واسعة النطاق.
تقدم هذه الورقة "متنبئ زمن السفر المعمم" (GenTTP)، وهو إطار عمل يتغلب على قيود نماذج الشبكات العصبية الرسومية الحالية من خلال التنبؤ بدقة بأزمنة السفر والتدفقات على مستوى النظام عبر خيارات المسارات المتغيرة، بدلاً من أن يكون مقيداً بتحققات الطلب الثابتة.
تقترح هذه الورقة آلية متوافقة مع الحوافز لتعيين الائتمان في السياق بناءً على حل "اللب الأدنى" من نظرية الألعاب التعاونية، مقدمةً خوارزميات فعالة تقرب التوزيع العادل للقيمة بين منشئي المحتوى باستخدام عدد أقل بكثير من استدعاءات النماذج اللغوية الكبيرة مقارنة بالطرق الحالية.
تقدم هذه الورقة البحثية PIC-Flow، وهو بديل عصبي توليدي يستفيد من مطابقة التدفق الشرطي والتدريب المقيد بالفيزياء للتنبؤ السريع بتوزيعات المجالات الكهرومغناطيسية كاملة الحقل لأجهزة الفتونيات السيليكونية، مما يوفر بديلاً فعالاً حاسوبياً لمحاكاة FDTD التقليدية لاستكشاف فضاء التصميم.
تعالج هذه الورقة مشكلة عنق الزجاجة المتمثلة في التوسيم المكلف القائم على الحلول (solver-based labeling) في التنبؤ بمسائل الـ SAT القائم على التعلم، وذلك عبر تقديم إطار عمل لتوليد البيانات خالٍ من الحلول ومعتمد على الهدف ينتج نماذج اصطناعية متوافقة، وشبكة عصبية رسومية متخصصة مدركة للبرمجة الخطية، مما يتيح بشكل جماعي التعلم القابل للتوسع والفعال في المسائل ذات الصعوبة الحسابية (NP-hard).
تقدم هذه الورقة MAGIQ، وهو إطار عمل مبتكر يضمن تفاعلات آمنة وخاضعة للمساءلة ومتوافقة مع السياسات في أنظمة الذكاء الاصطناعي متعددة الوكلاء، وذلك عبر الاستفادة من بروتوكولات تشفير ما بعد الكم الموثقة أمنياً لمواجهة التهديدات الكمومية الناشئة وتحديات الحوكمة.
تقترح هذه الورقة إطار عمل لدرع ليابونوف مُتعلم يعزز متحكم "سلوتين-لي" التكيفي بدالة ليابونوف تربيعية مهيكلة، وسياسة "ساك-أكتور-كريتيك" ناعمة متبقية، وشبكة عصبية مستوحاة من الفيزياء لضمان ترشيح سلامة ذي صيغة مغلقة واستقرار أسي مع تحسين أداء التتبع بشكل كبير في أنظمة "أويلر-لاغرانج" ذات الديناميكيات غير المُمذجة.
تحدد هذه الورقة تحيزات منهجية ومخاطر تتعلق بالموثوقية في تقييمات "النماذج اللغوية الكبيرة كحكم" (LLM-as-a-Judge)، لا سيما عند استخدام المعايرة المشتركة لمقارنة النماذج، وتقترح مقاييس تشخيصية ( و ) إلى جانب إرشادات للتقرير للكشف عن أوضاع الفشل مثل أخطاء عكس الإشارة.