3464 ورقة بحثية
تقدم هذه الورقة THEA، وهي سياسة مراجعة محددة بالأوامر (prompt-defined) تعامل النماذج العالمية القابلة للتنفيذ كنظريات قابلة للتفنيد لتنسيق الوكلاء الأبوين والوكلاء الفرعيين المتخصصين، محققةً أداءً هو الأفضل في فئته في 22 من أصل 25 لعبة من ألعاب ARC-AGI-3 مع تقليل التكاليف بشكل كبير مع ضمان بقاء مراجعة الفرضيات صريحة، وقابلة للتدقيق، وفعالة من حيث التكلفة.
تُظهر هذه الدراسة المنضبطة أن تصنيفات استراتيجيات ما قبل التدريب لتقسيم مثيلات الخلايا في ظل ندرة البيانات ليست متأصلة في أوزان الهيكل العصبي وحده، بل تعتمد بشكل حاسم على بروتوكولات النقل والتكيف المحددة المستخدمة، بينما تسلط الضوء أيضاً على أن معايير التقييم القياسية تقلل بشكل كبير من تقدير الأداء على صور المجهر الكثيفة.
يُظهر هذا التحليل الشامل لمجموعات بيانات الاختبار المتاحة علنًا أن تمثيلات الميزات الهجينة المقترنة بنهج التعلم التجميعي توفر استقرارًا وتأثيرًا تنبؤيًا متفوقين في الكشف عن الأخبار الزائفة مقارنة بطرق استخراج الميزات والمصنفات الفردية.
تقترح هذه الورقة إطار عمل نمطيًا جديدًا ذا مرحلتين لتحديد مواقع التلاعب بالصور، يقوم أولاً بتصنيف أنواع التزوير باستخدام مصنف ثنائي المسار يدمج ميزات RGB وميزات SRM، ثم يستخدم نماذج انتشار شرطية متخصصة مع دالة فقدان هجينة لتوليد أقنعة تلاعب دقيقة، محققًا أداءً تنافسيًا في مجموعات البيانات المرجعية.
تقترح هذه الورقة إطار عمل جديد للكشف عن التلاعب النشط بالصور وتحديد موقعه (AIMDL) يستفيد من نموذج TransUNet لتوليد واستعادة العلامات المائية بشكل قوي، مدمجاً مع وحدة جنائية تعتمد على نموذج UNet متعدد الرؤوس، لتحقيق دقة عالية في كشف التلاعب وتحديد الموقع على مستوى البكسل مع الموازنة ديناميكياً بين شفافية العلامة المائية ومتانتها.
تقدم هذه الورقة البحثية StrokePlan-RNN، وهو نموذج ذاتي الانحدار مشروط بالصور يتنبأ بنجاح بتسلسلات ضربات الفرشاة المرتبة من الرسوم الخطية الثابتة للوجوه عبر التدريب على مجموعة بيانات تم إنشاؤها حديثاً، محققاً دقة هندسية عالية مع تسليط الضوء على الحاجة إلى مقاييس تقييم إجرائية محسنة.
تتناول هذه الورقة تحدي تصنيف النفايات البلاستيكية من خلال تقديم مجموعة بيانات PLASTIC جديدة متخصصة في هذا المجال واقتراح وحدة التحكم في التدريب التكيفي (ATC)، وهي إطار عمل للضبط التلقائي غير مرتبط بهيكلية معينة يتفوق على الأدوات الحالية مثل Optuna بتحقيقه دقة تصل إلى 94.89% باستخدام ResNet101 مع تقليل متطلبات الموارد الحسابية.
يُظهر هذا التقييم التجريبي أنه في حين تستطيع النماذج اللغوية الكبيرة تحديد أخطاء حقيقية أغفلها المراجعون البشريون وتحسين استرجاع الدراسات بشكل كبير عند تزويدها بأدوات الاسترجاع، إلا أنها تظل بدائل غير موثوقة للتحقق البشري بسبب مشكلات مستمرة مثل انحياز البروز، والخلط بين الأوراق البحثية، وفبركة تناقضات غير موجودة.
تقدم هذه الورقة وتتحقق من بنية سيبرانية-فيزيائية تدمج توأماً رقمياً ثنائي الاتجاه، وعميل تعلم تعزيزي عميق، وطبقة ذكاء اصطناعي قابل للتفسير لتحسين عملية إرسال حالات أقسام الطوارئ، مما يظهر انخفاضات كبيرة في ذروة الإشغال تحت ضغط الطلب المرتفع مع الكشف والنقد المنهجي لآثار أدوات القياس المحددة في عملية التحقق.
تقدم هذه الورقة البحثية إطار عمل "Neuro-Symbolic MBST"، وهو إطار عمل يعمل على أتمتة تخليق نماذج استخدام ماركوف (Markov usage models) المُتحقق منها رسميًا من متطلبات اللغة الطبيعية عبر دمج تعلم L*، والنماذج اللغوية الكبيرة المقيدة بالقواعد (grammar-constrained LLMs)، والتحسين المحدب (convex optimization)، مما يحقق كشفًا عن الأخطاء وتغطية عالية الدقة تتفوق بشكل كبير على النماذج الأساسية العصبية البحتة مع القضاء على اختناقات النمذجة اليدوية للأنظمة الحرجة للسلامة.