75 المواد
باستخدام مجموعتي IEMOCAP وMELD، جرت مقارنة التنبؤ التوليدي بالوسم العاطفي بالمُصنِّف الخطي الذي يعمل على التمثيلات الكامنة لنموذج SpeechLLM صغير. ولا يكون التحسن في الأداء الناتج عن المُصنِّف عامًا؛ إذ يعتمد على مجموعة البيانات وعلى استخدام النصوص المرجعية أو مخرجات التعرّف الآلي على الكلام (ASR).
تقارن المقالة بين الاختيار العالمي الدقيق لمجموعة متوافقة من الأدوية، المنفذ باستخدام البرمجة الخطية بالأعداد الصحيحة المختلطة، وعدة أساليب محلية لإزالة تعارضات DDI مع تثبيت تقديرات FLAME على MIMIC-III. في مجموعة الاختبار، يحقق النهج العالمي تحسناً طفيفاً لكنه ثابت في مقياس Jaccard، ويزداد هذا التحسن مع تشديد القيود ليصل إلى +0.0064 مقارنةً بأقوى طريقة محلية أساسية.
يقترح هذا العمل بروتوكولًا يثبّت السؤال والإجابة المرجعية عبر ثماني طرق لتقديم البنية، ويعلّم الروابط في GraphSpace بشكل منفصل. وتُظهر التجارب على الضبط الدقيق المزدوج، وحجب الحقول المستهدفة، وإضافة الشواهد، أن النموذج قادر على تعلّم تطبيق العلاقة واتباع الرابط، إلا أن إزالة الرابط تخفض الدقة إلى ما دون مستوى أساليب التصفح الاستدلالية.
وفقًا لتقديرات Apptopia، حقق Muse خلال أول 12 يومًا على iOS في الولايات المتحدة وكندا 1.8 مليون عملية تنزيل، مقابل 1.3 مليون لـ ChatGPT؛ كما سجّل Muse عددًا أكبر من المستخدمين يوميًا في الولايات المتحدة. يستند هذا التقييم إلى تقديرات خارجية، ويأخذ في الحسبان اختلاف ظروف الإطلاق: أُطلق ChatGPT مباشرةً على المستوى الدولي، بينما اقتصر إطلاق Muse على الولايات المتحدة وكندا.
تتناول المقالة بنية SPARSEUP ونتائجها: 56,4 nDCG@10 على BEIR-13، إلى جانب استدعاء يتجاوز 97% عند استخدامه مع فهرس Seismic في نحو 380 ميكروثانية لكل استعلام. ويشمل التحليل التقنيات التي تحافظ على تباعد المتجهات، ومقارنتها بنماذج أخرى، وشروط التوزيع بموجب Apache 2.0.
يتعرّف النموذج الجديد على الكلام في الوضعين الدفعي والمتدفق؛ وتفيد SpaceXAI بأن معدل الأخطاء في اختبار العبارات القصيرة بـ19 لغة انخفض من 20.6% إلى 6.8%. ويتضمن الملخص أسعار واجهة API ونتائج الاختبارات المعيارية، التي لم تخضع بعد للتحقق المستقل.
يقترح المؤلفون طبقة نظام للذاكرة المشتركة: تحفظ الوكلاء معلومات منظَّمة، فيما يتولى النظام التحكم في انتقائها وحماية البيانات وتمريرها إلى النماذج. وفي اختبارات على AIOS، حسّن هذا النهج التخصيص مقارنةً بالتخزين الخارجي وRAG، كما خفّض زمن الاستجابة بنسبة 15–61% مقارنةً بتمرير السياق الكامل، مع تحقيق نتائج مماثلة في نموذجين من أصل ثلاثة.
تقارن الدراسة بين طريقتين لاستخدام حزم المعرفة الجاهزة: تضمين تعليماتها في سياق عمل الوكيل أو إسناد المهام الفرعية إلى وكلاء منفصلين. يكون التفويض أكثر فاعلية عندما تكون المدخلات والنتائج والإجراءات محددة بوضوح، لكنه يتطلب تكاليف إضافية للتنسيق.
تقدّم المقالة XAI-Arena، وهو نظام يقارن تفسيرات الذكاء الاصطناعي وفقًا لعدة معايير، مع مراعاة نماذج واهتمامات المستخدمين المختلفة. وتتوافق تقييمات نماذج اللغة الكبيرة بدرجة ملحوظة مع الأحكام البشرية (معامل ارتباط سبيرمان ρ = 0,693)، ما يشير إلى إمكانية توسيع نطاق التحليل المقارن للتفسيرات.
