1362 ورقة بحثية
تقدم هذه الورقة TIPEX، وهو إطار عمل موحد ينسق بين التوازي النسخي (Replica) والتوازي الهيكلي (Structural) في أنظمة النماذج اللغوية الكبيرة متعددة الوكلاء لتحسين دقة الاستدلال وتقليل زمن الاستجابة بشكل كبير، لا سيما لمهام التعقيد المتوسط، على الرغم من زيادة استهلاك الرموز (tokens).
تقدم هذه الورقة إطار عمل يطبق نظرية مؤثر كوبمان على أنظمة النماذج اللغوية الكبيرة متعددة الوكلاء، محولاً ديناميكيات الجدل غير الخطية فيها إلى تمثيل خطي دقيق يوفر شهادات قابلة للتحقق آلياً لمواعيد التقارب، وتحديد الفصائل، وعزو القرارات.
تقترح هذه الورقة بنية للذكاء الاصطناج الوكيل (Agentic AI) متعددة الطبقات وتضع الامتثال في المقدمة، تدمج بين التنسيق، وإنفاذ السياسات، وأنسجة البيانات الحافظة للخصوصية لتحويل عمليات نشر الذكاء الاصطناعي المجزأة في المستشفيات إلى منصة مؤسسية قابلة للتوسع، ومُحكمة، ومتوافقة عالمياً.
تقدم هذه الورقة إطار عمل جديداً متعدد الوكلاء يتكون من ثلاث مراحل يجمع بين النماذج اللغوية الكبيرة، والتضمينات الصوتية-الدلالية، والتعلم التبايني لترجمة التورية اللغوية من الإنجليزية إلى الفرنسية بنجاح، محققةً مراكز متقدمة في مسابقة CLEF JOKER 2025 عبر إعطاء الأولوية للإبداع اللغوي على الترجمة الحرفية.
تقترح هذه الورقة إطار عمل "توجيهي" لتعلم التعزيز متعدد الوكلاء اللامركزي، والذي يعزز كفاءة التدريب والأداء من خلال تمكين الوكلاء من مشاركة المعلومات الكامنة أثناء التدريب قبل تقطير هذه السياسات إلى نظائر لامركزية تعتمد فقط على الملاحظات المحلية وقت التنفيذ.
يُعد EDATracer إطار عمل وكيلًا يستفيد من رسم بياني معرفي وفهرس متجه دلالي لتمكين تحليل واسع النطاق ومستند إلى الأدلة لمصنوعات التصميم الإلكتروني (EDA) غير المتجانسة، متفوقًا بذلك على الأدوات الحالية في اختبار مرجعي جديد مكون من 90 سؤالاً مستمد من مجموعة بيانات تضم 2,787 تصميماً مع استخدام عدد أقل بكثير من الرموز (tokens).
تقدم هذه الورقة بروتوكولاً جديداً وأول متن مخصص لقياس عدم اليقين التوليدي في رسوم متحركة للفن الحديث، مما يثبت أن المقدرات متعددة الأبعاد والمستقلة عن المصدر يمكنها بفعالية التمييز بين أنواع مختلفة من التباين الدلالي وتحديد عمليات التصوير الأمينة، متفوقة بشكل كبير على مقاييس عدم اليقين التقليدية القائمة على القيم القياسية.
تقدم الورقة البحثية Trident، وهو إطار عمل لاختبار الاختراق القائم على الوكلاء للنماذج اللغوية الكبيرة (LLM) يستفيد من بنية "البرمجية كسياسة" (Code-as-Policy) في التعلم المعزز مع التغذية الراجعة من المخرأ (RLVR) لتوليد استراتيجيات هجوم تكيفية، مما يكشف أن دفاعات الأمن السيبراني الحالية القائمة على التعلم المعزز العميق هشة جوهرياً ويتم التفوق عليها بسهولة من قبل التهديدات الديناميكية مقارنة بالنماذج المرجعية الاستدلالية الثابتة.
يُعد PhenoAssistant نظاماً رائداً للذكاء الاصطناعي الحواري متعدد الوكلاء يعمل على دمقرطة التنميط الظاهري للنباتات من خلال تسخير النماذج اللغوية الكبيرة لتنسيق تحليل الصور الآلي، والتصور البياني، وتدريب النماذج عبر تفاعلات لغوية طبيعية بديهية، مما يقلل بشكل كبير من العوائق التقنية أمام الباحثين.
تقدم MemArena معياراً ومحاكياً واسع النطاق، متمحوراً حول منظور المستخدم (ego-centric)، لتقييم المساعدات الشخصية للذاكرة على الأجهزة، مما يكشف أن اختيار خلفية الذاكرة يؤثر بشكل كبير على دقة المحتوى وموثوقيته مع تحمل حد أدنى من زمن بحث الاسترجاع على أجهزة الحافة.