1707 ورقة بحثية
تقترح هذه الورقة خوارزمية تطورية جديدة للانحدار الرمزي تستخدم قالب دالة عالمي مع ترجمات سلسة أحادية المتغير بين أزواج الدوال لتقليل مجموعة الدوال وضمان استمرارية المشتقة، مما يثبت فعاليتها في الاختبارات القياسية.
تقترح هذه الورقة إطار عمل SGRI-HF، الذي يستفيد من النمذجة الدلالية للمجموعات، والبوابة التكيفية، والدمج غير المتجانس لتحديد مخاطر الصحة النفسية لطلاب الجامعات بفعالية من خلال التقاط التبعيات المعقدة عبر المجالات والاختلافات الفردية في بيانات الاستبيانات، محققاً أداءً فائقاً وقابلية للتفسير مقارنة بالطرق الحالية.
تقيم هذه الورقة النماذج اللغوية الكبيرة لأتمتة تصنيف المتطلبات المعيارية لبروتوكول طبقة النقل الآمنة (TLS) باستخدام معيار NIST SP 800-52 Rev. 2، حيث وجدت أنه بينما تحقق أساليب التجميع دقة بنسبة 93.75%، فإن الخلط المنهجي بين لغة "يجب عدم" (SHOULD NOT) و"يجوز" (MAY) يجعل النماذج اللغوية الكبيرة الحالية غير موثوقة بما يكفي للتدقيق المستقل للامتثال.
تجسّر هذه الورقة الفجوة بين الالتزامات المتعلقة بالأمن السيبراني الموجهة نحو النتائج في قانون الذكاء الاصطنايد التابع للاتحاد الأوروبي وقانون المرونة السيبرانية، وبين التنفيذ العملي، وذلك عبر ربط أحكامها بضوابط تقنية ملموسة وأدلة تحقق مصممة خصيصاً للوكلاء المستقلين القائمين على النماذج اللغوية الكبيرة.
تقدم هذه الورقة نظامًا خفيف الوزن وآنياً للتعرف على تعبيرات الوجه باستخدام نموذج "Mini-Xception" مخصص مبني على PyTorch، تم تدريبه على مجموعة بيانات FERPlus باستخدام أوزان التردد العكسي للجذر التربيعي، مما حقق دقة اختبار متوازنة بلغت 75.40% وسرعة 30 إطارًا في الثانية على معالج Apple M1 Pro دون الحاجة إلى موارد وحدة معالجة رسومية كبيرة.
تقدم هذه الورقة البحثية وحدة المعايرة التكيفية مع المهام (TAC)، وهي وحدة خفيفة الوزن تجمع بين التصحيح عبر الأنماط المشروط بالمهام وإعادة التوزيع المدرك للمسافة لتحسين فهم السياق الطويل متعدد الوسائط ودقة تحديد موقع الأدلة بشكل كبير مع الحفاظ على حد أدنى من التكاليف الحسابية.
تزعم هذه الورقة أنها حققت نظام "ذكاء اصطناعي تكاثري" ثوري يتجاوز حدود الطاقة وزمن الاستجابة للذكاء الاصطناعي التوليدي التقليدي عبر استخدام شبكة ميرسين طوبولوجية ودوائر رنين طوري لتحقيق استرجاع ذكاء حتمي صفري الذاكرة مع انعدام الهلوسة وخفض هائل في استهلاك الطاقة.
يقدم MoEMory نموذجاً جديداً للذاكرة طويلة المدى لنماذج اللغات من نوع "خليط الخبراء" (Mixture-of-Experts) المجمدة، حيث يقوم بتخزين المعلومات الخاصة بكل مستخدم كتحيز في التوجيه لتنشيط القدرات الحالية بشكل انتقائي دون حقن رموز أو معاملات جديدة، مما يحقق تسريباً شبه معدوم في الاستعلامات غير ذات الصلة مع بقائه متعامداً ومكملاً لطرق الذاكرة التقليدية القائمة على الحقن.
تحلل هذه الدراسة العابرة للحدود الوطنية (2020–2026) الصعود السريع للمشاركات الأكاديمية المُنشأة بواسطة الذكاء الاصطناعي في الهند وعالمياً، كاشفةً عن معدلات تعرض متماثلة ولكن مع وجود فجوات سياساتية كبيرة في الهند، وتقترح أطر عمل للكشف والمساءلة المؤسسية قائمة على الأدلة ومتعددة المنهجيات لحماية نزاهة البحث العلمي.
تكشف هذه المراجعة المنهجية لـ 88 دراسة استخدمت التعلم العميق القائم على نموذج YOLO للكشف عن ثمار الحمضيات وتقدير إنتاجيتها أن المجال، رغم تقاربه نحو مجموعة أدوات تقنية مشتركة تحقق دقة متوسطة عالية، يفتقر بشكل حاسم إلى المعايير المرجعية الموحدة، والبيانات المتنوعة، والتحقق الإحصائي الصارم، مما يؤدي إلى خطر عالٍ من الانحياز الإجمالي.