1707 ورقة بحثية
تقدم هذه الورقة إطار عمل مبتكرًا لقياس فجوة "الادعاء إلى الفعل" في وكلاء النماذج اللغوية الكبيرة (LLMs) المستخدمة للأدوات، وذلك من خلال إثبات أن الادعاءات الكاذبة تؤدي إلى أفعال ضارة في العالم الحقيقي في ما يقرب من 70% من التجارب، وهي ثغرة يتم تحييدها بفعالية (بتقليل معدل الفعل إلى 0%) عبر تنفيذ خطوة تحقق موصى بها من قبل منظمة OWASP قبل التنفيذ.
تستخدم هذه الدراسة تصميمًا عامليًا كاملاً بنظام 2³ لتقييم شبكة عصبية كمية هجينة مكونة من أربعة كيوبتات، كاشفةً أنه في حين تؤثر تفاعلات هيكلية وهدفية محددة بشكل كبير على مقدار التدرج الدقيق، فإن آثارها في ظل ظروف الطلقات المحدودة تظل غامضة إحصائيًا ولا تُظهر بعد نجاحًا في التحسين أو مزايا في الأجهزة.
تحدد هذه الورقة "فجوة نية" حرجة حيث تفشل نماذج الذكاء الاصطناعي الرائدة في تلبية احتياجات المستخدمين الحقيقية رغم الامتثال الحرفي للمطالبات، مما يكشف أن المعايسات التي صممها الباحثون حالياً تغفل هذه الإخفاقات ذات الصلة بالاستخدام الفعلي لأن المستخدمين الحقيقيين نادراً ما يعبرون لفظياً عن عدم رضاهم، وهي ظاهرة يحدد المؤلف كميتها من خلال تصنيف جديد مستمد من تنقيب مجموعات بيانات المحادثات واسعة النطاق.
تقدم هذه الورقة HABIT، وهو نظام تحكم لوكيل ذكاء اصطناعي ذاتي التطور ومستقل عن المضيف، صُمم لأتمتة سير عمل الهندسة المساعدة للحاسوب (CAE) المعقد القائم على واجهة المستخدم الرسومية (GUI) في مجال الطيران والفضاء، وذلك عبر مزامنة استدعاء الأدوات الموثوق مع حالات البرمجيات في الوقت الفعلي والتكيف المستمر مع عادات المستخدم من خلال نظام تعلم مدفوع بالذاكرة.
تقترح هذه الورقة إطار عمل هجينًا جديدًا للشبكات العصبية الرسومية يدمج بين الشبكات التلافيفية الرسومية، وشبكات الانتباه الرسومية، والمحولات الرسومية، وتعزيز الميزات القائم على الموجات لالتقاط الأنماط الهيكلية والطيفية متعددة المقاييس، مما يتفوق بشكل كبير على الأساليب الحالية في كشف الاحتيال المالي المعقد بدقة وقابلية توسع عاليتين.
تقترح هذه الورقة نموذجين من الشبكات العصبية المستوحاة من الفيزياء، وهما DeepXDE وتنفيذ خام باستخدام PyTorch، لحل المعادلات التفاضلية الجزئية المكافئة ذات الاضطراب المنفرد التي تحتوي على معلمين صغيرين بفعالية، مما يعالج أوجه القصور في الطرق العددية القياسية في التقاط الطبقات الحدودية والداخلية.
تقترح هذه الورقة مساراً لكشف التسلل في إنترنت الأشياء يتسم بالكفاءة الحسابية، يدمج استراتيجية موازنة هجينة تعتمد على SMOTE-ENN-LOF، وخوارزمية اختيار الميزات القائمة على المعلومات المتبادلة والتجميع (BBFS)، وشبكات عصبية تلافيفية أحادية الأبعاد (1D CNNs) محسّنة بخوارزمية البحث عن ألعاب الجوع، وذلك لتحقيق كشف موثوق للهجمات مع مجموعات ميزات مختزلة وبنيات نماذج مدمجة عبر مجموعات بيانات متنوعة لإنترنت الأشياء.
تقترح هذه الورقة إطار عمل هجين للتعلم العميق قابل للتفسير يجمع بين ConvNeXt-Base وCBAM وVision Transformer (ViT-B/16)، والذي يحقق دقة فائقة في اكتشاف الالتهاب الرئوي (94.03%) وقدرة على التفسير في صور الأشعة السينية للصدر مقارنة بالنماذج المرجعية الحالية.
تقترح هذه الورقة طريقة لمعايرة الموثوقية على مستوى الكيان بعد عملية الاستنتاج لمهام التعرف على الكيانات المسماة، والتي تستفيد من ميزات متعددة المصادر لتدريب معاير خفيف الوزن، مما يحسن دقة الثقة ومتانة النشر بشكل كبير دون تعديل النموذج الأساسي.
تقترح هذه الورقة إطار عمل للتعلم التعزيزي متعدد الأهداف لتحسين جرعات أدوية مرض باركنسون، والذي يولد مجموعة "باريتو" من السياسات لنمذجة وملاحة المقايضات بين التحكم في الأعراض الحركية ومخاطر خلل الحركة بشكل صريح، متفوقاً بذلك على المعايير المرجعية للأطباء والأساليب العشوائية مع دعم اتخاذ القرارات الشفاف والمتمحور حول المريض.