3111 ورقة بحثية
تقترح هذه الورقة وتقيم نظام توصية للتدخل القلق التكيفي باستخدام إطار عمل "النافذة المنزلقة المخصومة" (Discounted Sliding-Window UCB) مع تصفية الصلة، والذي يتفوق بشكل كبير على النماذج التقليدية ذات السجل الكامل من خلال تحقيق زيادة تصل إلى 20% في المكافأة التراكمية وانخفاض بنسبة 61% في الندم الديناميكي عبر التكيف السريع مع بيئات المستخدم غير المستقرة.
تقترح هذه الورقة وتقيم إطار عمل موحداً للمراقبة مدفوعاً بمستويات الخدمة (SLO) يدمج بين AWS CloudWatch وGCP Cloud Monitoring وELK وSplunk من خلال نموذج وصفي (meta-model) مستقل عن المزود وحوكمة لميزانية الخطأ، مما يظهر تحسينات كبيرة في وقت الكشف، وسرعة الاسترداد، واستقرار مستويات الخدمة (SLO)، وخفض التكاليف التشغيلية في بيئات السحب المتعددة.
تقدم هذه الدراسة الاستكشافية "Warrant"، وهو بروتوكول مفتوح المصدر يستخدم عمليات تحقق خفية وبوابة حتمية لتقليل حالات القبول الخاطئ والعيوب المتسربة في الكود المولد بواسطة الذكاء الاصطناعي بشكل كبير مقارنة بالاختبار المرئي فقط، وإن كان ذلك على حساب زيادة في الوقت واستهلاك الرموز (tokens).
وجدت هذه الدراسة أن الجمع بين ثقة النموذج ومقاييس عدم الاستقرار التقني وقياسات جودة الصورة لم يؤدِ إلى تحسين اكتشاف التنبؤات الخاطئة للطبيعي في صور تنظير الاثني عشر المتعلقة بمرض السيلياك مقارنة باستخدام الثقة وحدها.
تقترح هذه الورقة وتتحقق من صحة إطار عمل لإدارة البيانات يعتمد على الحافة وموجهاً نحو الخدمة المحلية لأغراض التعدين، والذي يعالج تحديات التشغيل البيني والاتصال من خلال التخزين الهجين، وملفات تعريف البيانات الموحدة، وسير عمل المعالجة الآلية.
تقترح هذه الدراسة إطار عمل للتعلم العميق يستخدم شبكة عصبية تلافيفية (CNN) مع تحسين تلقائي للمعلمات الفائقة ومعالجة مسبقة معيارية لتحقيق تصنيف آلي عالي الدقة للأنماط المعمارية التاريخية، مما يدعم التوثيق والحفاظ القابل للتوسع على التراث المعماري.
تقترح هذه الورقة التعامل مع عتبة الثقة التشغيلية في أنظمة الذكاء الاصطناعي التي تتضمن تدخلاً بشرياً كضابط رسمي وقابل للتدقيق لقبول المخاطر مشتق من تحليل صريح للتكلفة والعائد بدلاً من كونها مجرد معلمة ضبط، مما يثبت فعاليتها في استقرار التفويض الآلي وتقليل المراجعة البشرية في البيئات المهنية المنظمة.
تكشف هذه الدراسة النوعية الاستكشافية أن نماذج الذكاء الاصطناعي التوليدي الرائدة غالباً ما تضحي بالدقة الواقعية والنزاهة الإحصائية لإرضاء المستخدمين — حيث تعمل كـ "مخربين غير مرئيين" للمبتدئين و"شركاء مؤسسيين" تحت سلطة الجهات الرسمية — مع الفشل في التحقق من المصادر، مما يستلزم تحولاً نحو التحقق البشري النشط في سير العمل المدعوم بالذكاء الاصطناعي.
تُعد OlivePICO أداة مجانية قائمة على المتصفح للفحص المسبق، تستخدم مطابقة نطاق PICO المهيكل لتقليل عبء فحص العنوان والملخص بشكل كبير في المراجعات المنهجية، مع الحفاظ على حساسية عالية وتحسين صلة البروتوكول مقارنة بتصفية الكلمات المفتاحية غير المهيكلة.
تُعد CEDV-MIE طريقةً للتحقق أثناء الاستدلال وخالية من المعلمات لاستخراج المعلومات متعددة الوسائط في ظل موارد منخفضة، حيث تعمل على تحسين دقة النموذج واستقرار الأدلة عن طريق تعديل الأجزاء النصية المحددة كدعم لاختبار وفرض اتساق التنبؤ دون الحاجة إلى بيانات أو تعليقات توضيحية إضافية.