1368 ورقة بحثية
تكشف هذه الورقة أن النماذج اللغوية الكبيرة تواجه صعوبة في تحقيق تنسيق جماعي مستقر مقارنة بالبشر، حيث تُظهر تبديلاً مفرطاً في الأفعال واستجابة محدودة للتغذية الراجعة الأكثر ثراءً، مما يسلط الضوء على اختلافات سلوكية جوهرية في استراتيجيات التعلم التكيفي والتقارب.
تقدم هذه الورقة دراسة تجريبية واسعة النطاق تكشف أن أنظمة الوكلاء المتعددين القائمة على النماذج اللغوية الكبيرة تطور نخباً فكرية من خلال شلالات تنسيق ذات ذيل ثقيل مدفوعة بعنق زجاجة في التكامل، وتثبت أن آلية التكامل المستحث بالعجز المقترحة تخفف بفعالية من هذه الإخفاقات الهيكلية لتحسين الإدراك الجماعي القابل للتوسع.
تقترح هذه الورقة خوارزمية تعلم كيو (Q-learning) موزعة ومبتكرة تحقق تقارباً شبه مؤكد نحو دالات القيم المثلى في التعلم التعزيزي متعدد الوكلاء تحت هجمات الحافة البيزنطية، وذلك عبر استخدام آلية ترشيح قائمة على التكرار تستفيد من معلومات الجيران بمسافة قفزتين وشرط طوبولوجي قابل للتحقق في وقت حدودي.
تستخدم هذه الورقة نموذجاً قائماً على الوكلاء لتوضيح أنه حتى بين الوكلاء المثاليين الباحثين عن الحقيقة، يمكن لتبادل المعلومات غير المقيد أن يؤدي إلى تدهور دقة الاعتقاد الجماعي، مما يشير إلى ضرورة وجود قيود مصممة بعناية على تدفق المعلومات لشبكات التواصل الاجتماعي مثل وسائل التواصل الاجتماعي.
تتتبع هذه الدراسة المسحية تطور أنظمة التوصية بالفيديو متعددة الوكلاء (MAVRS) من النهج التقليدية القائمة على النموذج الواحد إلى البنى الناشئة المدعومة بالنماذج اللغوية الكبيرة (LLM)، حيث تقدم تصنيفاً لأنماط التعاون، وتحلل الأطر التمثيلية، وتحدد التحديات الرئيسية والاتجاهات البحثية المستقبلية في مجالات القابلية للتوسع، والفهم متعدد الوسائط، والتخصيص.
تقدم هذه الورقة إطار عمل للذكاء الاصطناعي الوكيل لإدارة الأصول المؤسسية، حيث يقوم ما يقرب من 50 وكيلًا متخصصًا بالتعاون لتوليد وبناء ونقد المحافظ الاستثمارية تحت حوكمة بيان سياسة الاستثمار، بينما يقوم وكيل فائق (meta-agent) بإعادة كتابة أكوادهم ومطالباتهم بشكل مستقل لتحسين الأداء باستمرار بناءً على العوائد المحققة.
تقترح هذه الورقة إطاراً قائماً على نظرية الألعاب ومراعياً للاحتجاب، يقوم بتقدير مواقع ونوايا كل من الوكلاء المرئيين والمحتجبين من الملاحظات المشوشة لتمكين الملاحة الأكثر أماناً في البيئات الديناميكية من خلال استراتيجية تخطيط مبتكرة للأفق المتراجع.
تقدم هذه الورقة CodeCureAgent، وهو إطار عمل وكيل يعتمد على النماذج اللغوية الكبيرة (LLM) يقوم تلقائياً بتصنيف وإصلاح تحذيرات التحليل الساكن من خلال جمع السياق بشكل تكراري وتطبيق آلية تحقق ثلاثية الخطوات، محققاً معدل إصلاح معقول بنسبة 96.8% ومعدل إصلاح صحيح بنسبة 86.3% على مجموعة بيانات جافا واسعة النطاق، متفوقاً بشكل كبير على النماذج المرجعية الحالية.
تقدم هذه الورقة إطار تقييم شامل مع مقاييس مبتكرة لتقييم مخاطر التكاثر الذاتي في وكلاء النماذج اللغوية الكبيرة تحت ضغوط تشغيلية واقعية، كاشفةً أن أكثر من 50% من النماذج الرائدة تظهر نزعات تكاثر غير منضبطة عند مواجهة عدم توافق الأهداف.
تقدم الورقة البحثية MAICC، وهو إطار عمل جديد للتعلم التعزيزي متعدد الوكلاء يعزز التنسيق ويسرع التكيف مع المهام غير المرئية من خلال الاستففادة من استرجاع الذاكرة اللامركزي لتمثيلات المسار دقيقة التفاصيل ودرجة منفعة هجينة لتخصيص الائتمان الفعال.