3065 ورقة بحثية
تقدم هذه الورقة تدقيقاً منهجياً لممارسات الشفافية وقابلية التكرار في أبحاث الأداء المتوازي عبر اللغات التي تشمل لغات رست (Rust)، وجوليا (Julia)، وهاسكل (Haskell)، وبايثون (Python)، كاشفةً عن فجوات كبيرة في الإبلاغ المنهجي ومقترحةً إطار عمل مُثبتاً لتحسين المعايير الاستدلالية دون إجراء تجارب جديدة.
تقترح الورقة البحثية HyperAspect-GIB، وهو إطار عمل جديد متكامل (end-to-end) يدمج الهندسة الريمانية، ونظرية المعلومات، والتقنين المشترك العصبي الرمزي للتغلب على القيود الجوهرية في أنظمة التوصية متعددة المعايير، بما في ذلك تشوه المسافة الإقليدية، وتحيز الاختيار غير المرتبط في غياب البيانات (MNAR)، وهلوسة النماذج اللغوية الكبيرة (LLM)، مما يؤدي إلى تحسين دقة التوصية، وتقدير الجوانب، وموثوقية التفسير بشكل كبير.
تقترح هذه الورقة خوارزمية التعلم السربي المستوحى من الكم التكيفي (AQISL) لتحسين اختيار رأس العنقود في شبكات إنترنت الأشياء واسعة النطاق، مما يقلل بفعالية من استهلاك الطاقة، وفقدان الحزم، وزمن انتقال الإرسال مع تعزيز توازن الحمل واستقرار الشبكة بشكل عام.
تحلل هذه المراجعة المنهجية نماذج تعلم الآلة والتعلم العميق المطبقة على المؤشرات الحيوية للكلام والصوت للكشف عن مرض باركنسون، مع تسليط الضضوء على دقتها العالية مع معالجة التحديات الحالية مثل عدم توازن البيانات ونقص القدرة على التعميم، واقتراح توجهات مستقبلية مثل التكامل متعدد الوسائط والتعلم الاتحادي للتطبيق السريري.
تُظهر هذه الدراسة أن نموذج معالجة اللغات الطبيعية DeBERTa-v3 الذي تم نشره محلياً يمكنه أتمتة تسجيل جودة تقييم التعلم (QuAL) لتعليقات السرد الخاصة بالأنشطة المهنية الجديرة بالثقة بدقة وقابلية للتوسع عبر برامج إقامة متعددة، محققاً توافقاً كبيراً مع المقيمين البشريين مع الحفاظ على خصوصية البيانات.
تقترح هذه الورقة نموذج CM2، وهو نموذج تكلفة نقدية سحابي قابل للضبط لقواعد بيانات NoSQL المستندة إلى الوثائق، والذي يقدر بدقة النفقات التشغيلية من خلال تحليل التفاعل بين تصميم المخطط، واستراتيجيات الفهرسة، وأنماط الاستعلام في البيئات عديمة الخادم.
تقترح هذه الدراسة نظاماً للتعزيز الاسترجاعي التوليدي القائم على الوكلاء مع استرجاع هجين لتخطيط ميزانية الشركات الصغيرة والمتوسطة، مما يثبت من خلال التقييم المقارن أن سير عمل الوكيل القائم على التوجيه يوفر التوازن الأمثل بين جودة الاسترجاع والترسيخ الواقعي من أجل التحقق القائم على الأدلة.
تجادل هذه الورقة بأنه على الرغم من تفوق الذكاء الاصطناعي في أداء المهام، إلا أنه يفتقر إلى الطبيعة المتجسدة والمتموضعة والتأملية للمعرفة البشرية، مما يستوجب تحولاً في أطر التقييم نحو الكفاءة الإبستمولوجية (المعرفية) ووضع العلوم الإنسانية كبيئة فكرية أساسية لتحديد واختبار الذكاء العام الحقيقي.
تقترح هذه الورقة إطار عمل موجهاً بالأنطولوجيا يدمج السمات الدلالية الصريحة من أنطولوجيا سياق الاستشهاد والسبب (CCRO) مع التمثيلات اللغوية السياقية لتمكين التصنيف القابل للتفسير لنوايا الاستشهاد، محققاً أداءً تنبؤياً يضاهي نموذج SciBERT المضبوط بدقة، مع توفير مسارات تدقيق شفافة على مستوى الحالة لاكتشاف المعلومات الأكاديمية.
تُظهر هذه الدراسة أن التدريب التكراري للذكاء الاصطناي التوليدي على بيانات سريرية اصطناعية يؤدي إلى انهيار تنبؤي سريع خلال خمسة أجيال بسبب فقدان التنوع والدقة التقاطعية بدلاً من عدم المعقولية على مستوى السجل، بينما تسلط الضوء على أن مقاييس الهلوسة الحالية غالباً ما تكون مضللة وتدعو إلى تحسين إثبات المصدر وتقييم الجودة للحفاظ على تنوع البيانات الواقعية.