1362 ورقة بحثية
تُثبت هذه الورقة أن النماذج اللغوية الكبيرة يمكنها أتمتة اكتشاف خوارزميات التعلم التعزيزي متعدد الوكلاء التنافسية لألعاب المعلومات الناقصة، وتُظهر أن تقطير هذه النتائج المعقدة والخاصة ببيئة معينة إلى نوى خوارزمية دنيا يؤدي إلى تعميم متفوق وتقليل التعقيد الهيكلي.
يُعد GraphDC إطار عمل متعدد الوكلاء يعتمد على مبدأ "فرق تسد" لتعزيز الاستدلال الخوارزمي للرسوم البيانية القابل للتوسع، وذلك عبر تفكيك الرسوم البيانية المعقدة إلى رسوم بيانية فرعية أصغر من أجل معالجة محلية متخصصة وتكامل هرمي، مما يجعله يتفوق على الطرق الحالية لا سيما في الحالات 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.
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.
تقدم هذه الورقة PostEDA-Bench، وهو معيار مرجعي هرمي يضم 145 مهمة قابلة للتحقق آلياً لتقييم وكلاء النماذج اللغوية الكبيرة في مهام إصلاح أخطاء تصميم الدوائر المتكاملة (DRC) وتقارب معايير الأداء والقدرة والاستهلاك (PPA)، مما يكشف أنه بينما يؤدي الوكلاء بشكل معقول في المهام الاصطناعية أو أحادية الهدف، فإنهم يعانون بشكل كبير في التفكير المعقد والمفاضلات متعددة الأهداف.
تقدم هذه الورقة البحثية إطار عمل استنتاج القيود متعدد الأهداف (MOCI)، وهو إطار عمل مبتكر يستخرج بفعالية القيود المشتركة والتفضيلات الفردية من عروض الخبراء المتباينة ذات الأهداف المتعارضة، متفوقاً على النماذج المرجعية الحالية في دقة التنبؤ مع الحفاظ على الكفاءة الحسابية.
تقترح هذه الورقة البحثية "تعلم سياسة الانتشار اللامركزي" (DDPL)، وهو إطار عمل مبتكر يستبدل السياسات الغاوسية المحدودة بنماذج احتمالية انتشار لإزالة الضجيج ذات القدرة التعبيرية العالية للتغلب على عقبات الاستكشاف في التعلم التعزيزي متعدد الوكلاء التعاوني، وذلك باستخدام طريقة جديدة لمطابقة درجات أخذ العينات بالأهمية من أجل التدريب الفعال عبر الإنترنت، وإثبات الأداء المتفوق عبر معايير قياسية متنوعة.
تقدم هذه الورقة البحثية Switchcraft، وهو أول موجه نماذج (model router) مُحسَّن خصيصاً لاستدعاء الأدوات الوكيلية (agentic tool calling)، والذي يحقق دقة بنسبة 82.9% مع تقليل تكاليف الاستدلال بنسبة 84% من خلال الاختيار الديناميكي لأقل النماذج تكلفةً والتي تضمن صحة المهمة.
يقدم هذا البحث OrchJail، وهو إطار عمل للتنفيذ العشوائي (fuzzing) موجه بالتنسيق، يعمل بفعالية على كسر حماية وكلاء تحويل النص إلى صورة عبر استدعاء الأدوات من خلال استغلال أنماط تنسيق الأدوات متعددة الخطوات عالية المخاطر بدلاً من الاعتماد على الاضطرابات التقليدية المقتصرة على المطالبات فقط.
تكشف هذه الدراسة التجريبية متعددة الوكلاء والمُسجلة مسبقاً عن انقلاب في الكشف يتنافى مع الحدس، حيث يحقق "مطلع" (insider) متكيف مدفوع بنموذج لغوي كبير، وموظف لتوجيهات الأمن العملياتي، درجة شك من الأقران أقل إحصائياً من الوكلاء الأبرياء، مما يؤدي إلى فصل إشارات الشذوذ السلوكي عن تحليلات سلوك المستخدم والكيان التقليدية ويكشف عن فجوة تعميم حرجة في نماذج تهديدات المطلعين الحالية.