تقرير أسبوعي عن الذكاء الاصطناعي | اختبار الفريق الأحمر لنماذج اللغة / أساليب تتبع النقاط ثلاثية الأبعاد متعددة المشاهد / إطار عمل تعلم تمثيل البروتين / إطار عمل جديد للكشف عن ثغرات التشفير...

في السنوات الأخيرة، سعت عدة طرق لتحقيق تتبع النقاط ثلاثي الأبعاد من مقاطع فيديو أحادية العين. ومع ذلك، نظرًا لصعوبة تقدير المعلومات ثلاثية الأبعاد بدقة في سيناريوهات صعبة مثل الانسداد والحركة المعقدة، لا يزال أداء هذه الطرق غير قادر على تلبية متطلبات الدقة والمتانة العالية للتطبيقات العملية.

بناءً على ذلك، اقترح المعهد الفيدرالي السويسري للتكنولوجيا في زيورخ وجامعة كارنيجي ميلون بشكل مشترك أول طريقة لتتبع النقاط ثلاثية الأبعاد متعددة المشاهد، تعتمد على البيانات. تهدف هذه الطريقة إلى تتبع نقاط عشوائية في مشاهد ديناميكية باستخدام مناظير كاميرات متعددة. يتنبأ نموذج التغذية الأمامية لهذه الطريقة مباشرةً بالنقاط ثلاثية الأبعاد المقابلة باستخدام عدد قليل من الكاميرات، مما يتيح تتبعًا دقيقًا وفعالًا عبر الإنترنت.

رابط الورقة:https://go.hyper.ai/2BSGR

أحدث أبحاث الذكاء الاصطناعي:https://go.hyper.ai/hzChC

من أجل السماح لمزيد من المستخدمين بمعرفة أحدث التطورات في مجال الذكاء الاصطناعي في الأوساط الأكاديمية، أطلق الموقع الرسمي لـ HyperAI (hyper.ai) الآن قسم "أحدث الأوراق البحثية"، والذي يقوم بتحديث أوراق البحث المتطورة في مجال الذكاء الاصطناعي كل يوم.إليكم 5 أوراق بحثية شائعة حول الذكاء الاصطناعي نوصي بهافي الوقت نفسه، قمنا أيضًا بتلخيص الخريطة الذهنية لهيكل الورقة للجميع. لنلقِ نظرة سريعة على إنجازات الذكاء الاصطناعي الرائدة لهذا الأسبوع⬇️

توصيات الورقة البحثية لهذا الأسبوع

1. نماذج لغة الفريق الأحمر للحد من الأضرار: الأساليب، وسلوكيات التوسع، والدروس المستفادة

تصف هذه الورقة البحثية الأعمالَ الأولية التي تستكشف اختبار الفريق الأحمر لنماذج اللغة، بهدف تحديد مخرجات النموذج الضارة المحتملة وقياسها والتخفيف من آثارها في آنٍ واحد. وخلصت الدراسة إلى أن صعوبة اختبار الفريق الأحمر لنماذج RLHF تزداد بشكل ملحوظ مع ازدياد الحجم، بينما لا تُظهر أنواع النماذج الأخرى أي اتجاهات ملحوظة في التوسع. كما تنشر الورقة البحثية علنًا مجموعة بيانات تضم 38,961 عينة من هجمات الفريق الأحمر، وتصف تصميم التعليمات، وعملية التنفيذ، والأساليب الإحصائية، وعوامل عدم اليقين المرتبطة بها المستخدمة في اختبار الفريق الأحمر.

رابط الورقة:https://go.hyper.ai/j2U2u

2. تتبع النقاط ثلاثية الأبعاد متعددة العرض

تقترح هذه الورقة البحثية أول طريقة لتتبع النقاط ثلاثية الأبعاد متعددة المشاهد، تعتمد على البيانات، وهي مصممة لتتبع نقاط عشوائية في مشاهد ديناميكية باستخدام زوايا رؤية متعددة للكاميرات. تُظهر هذه الطريقة تعميمًا جيدًا عبر مجموعة واسعة من سيناريوهات الفيديو، من زاوية رؤية واحدة إلى ثماني زوايا رؤية، بزوايا رؤية مختلفة، وبأطوال إطارات تتراوح بين 24 و150 إطارًا.

رابط الورقة:https://go.hyper.ai/2BSGR

3. FusionProt: دمج التسلسل والمعلومات البنيوية لتعلم تمثيل البروتين الموحد

تقترح هذه الورقة إطار عمل جديد لتعلم تمثيل البروتينات، FusionProt، يهدف إلى تعلم تمثيل موحد لتسلسل البروتين أحادي البعد وبنيته ثلاثية الأبعاد في آنٍ واحد. يقدم FusionProt وسم دمج مبتكرًا قابلًا للتعلم كجسر تكيفي، مما يتيح تبادلًا متكررًا للمعلومات بين نماذج لغة البروتين والرسوم البيانية لبنيته ثلاثية الأبعاد.

رابط الورقة:https://go.hyper.ai/rjbaU

4. لماذا تُسبب نماذج اللغة الهلوسة؟

تقترح هذه الورقة البحثية أن السبب الرئيسي وراء تعرض نماذج اللغة للهلوسة هو أن آليات تدريبها وتقييمها تميل إلى مكافأة التخمين بدلاً من الاعتراف بعدم اليقين. كما تُحلل الجذور الإحصائية للهلوسة في عمليات التدريب الحديثة. وتستمر الهلوسة لأن معظم أساليب التقييم تُحسّن نماذج اللغة لتكون "ممتازة في أداء الاختبار"، وأن التخمين في ظل عدم اليقين يُحسّن أداء الاختبار بالفعل. وتشير هذه العقوبة المنهجية للإجابات غير المؤكدة إلى ضرورة مراجعة أساليب التقييم الحالية والمتحيزة في معايير التقييم السائدة، بدلاً من إدخال مقاييس إضافية لتقييم الهلوسة.

رابط الورقة:https://go.hyper.ai/7TIjt

5. CryptoScope: استخدام نماذج اللغات الكبيرة للكشف الآلي عن ثغرات المنطق التشفيري

تقترح هذه الورقة إطار عمل جديدًا لاكتشاف الثغرات الأمنية في التشفير يعتمد على LLM، وهو CryptoScope، والذي يجمع بين تقنية التلميح بسلسلة الأفكار (CoT) مع تقنية التوليد المعزز بالاسترجاع (RAG) ويعتمد على قاعدة معرفية تشفير تم تنظيمها بعناية وتحتوي على أكثر من 12000 إدخال.

رابط الورقة:https://go.hyper.ai/qkboy

هذا هو محتوى توصيات البحث لهذا الأسبوع. لمزيد من أبحاث الذكاء الاصطناعي المتطورة، يُرجى زيارة قسم "أحدث الأبحاث" على الموقع الرسمي لـ hyper.ai.

نرحب أيضًا بفرق البحث لتقديم نتائج وأوراق بحثية عالية الجودة إلينا. يمكن للمهتمين إضافة حساب نيوروستار على وي تشات (معرف وي تشات: Hyperai01).

نراكم في الاسبوع القادم!