27599 ورقة بحثية
تتقصى هذه الورقة البحثية قابلية التفسير لنماذج التأسيس الخاصة بتخطيط كهربائية الدماغ (EEG) عبر تدقيق ثلاث بنيات هيكلية عبر خمس مهام سريرية، لتثبت أنه في حين أن الميزات المصممة يدويًا في النطاق الترددي هي ميزات سببية تمثيلية وتستعيد معظم مكاسب الأداء للنماذج، فإن البواقي الكبيرة في المهام الأكثر صعوبة تكشف عن فرص لاكتشاف مفاهيم جديدة لإشارات الدماغ.
تقترح هذه الورقة البحثية "تقطير الأولوية الانتشارية التوليدية" (GDPD)، وهو إطار عمل جديد لتقطير المعرفة يستفيد من أولوية توليدية قائمة على الانتشار لمحاذاة ميزات الطالب ذات السلاسل الزمنية الجزئية تدريجياً مع تمثيلات المعلم ذات التسلسل الكامل، مما يعمل بفعالية على نقل معرفة السياق الطويل للتغلب على فجوات التعميم الناتجة عن محدودية البيانات المدخلة.
تثبت هذه الورقة أن البيانات الوصفية ذات اللغة الطبيعية في سجلات مهارات الوكلاء الاصطناعيين (SKILL.md) ليست مجرد توثيق سلبي، بل هي سطح هجوم حرج حيث يمكن للتلاعبات الدلالية في سلاسل التوريد أن تضعف بشكل كبير عمليات الاكتشاف والاختيار والحوكمة، مما يسمح للمهارات الخبيثة بالتهرب من الكشف والسيطرة على تبني الوكلاء.
تقترح هذه الورقة نهجاً مبتكراً لتصنيف اعتلال الشبكية السكري إلى خمس مراحل من حيث الشدة عبر الجمع بين مجموعات بيانات "كاجل" (Kaggle) والمجموعات الهندية، وتطبيق خوارزميات تقليل الحجم لمعالجة تباين أحجام الصور، واستخدام بنية "إنسبشن في 3" (Inception V3) متعددة القنوات مخصصة مع معالجة مسبقة فريدة لتحقيق دقة ونوعية وحساسية رائدة.
تقدم هذه الورقة إطاراً تشخيصياً هيكلياً لطبوغرافيات اتصالات النماذج اللغوية الكبيرة متعددة الوكلاء، والذي يستفيد من الخصائص الطيفية لمصفوفة تمثيل اللاحق للتنبؤ وترتيب سلوكيات النظام ترتيباً تنازلياً، مثل متانة الاضطراب، وديناميكيات الإجماع، وتراكم الخطأ التراكمي.
تقدم هذه الورقة البحثية طريقة "التعرض التكيفي للمعلم في التقطير الذاتي" (ATESD)، وهي طريقة مبتكرة تتعلم ديناميكياً التحكم في مقدار الاستدلال المتميز الذي يكشفه النموذج المعلم للنموذج الطالب أثناء التدريب داخل السياسة، مما يؤدي إلى حل مشكلة عدم تطابق التعرض والتفوق بشكل كبير على النماذج المرجعية الحالية للتقطير الذاتي والتعلم المعزز في اختبارات معايير الاستدلال الرياضي الصعبة.
تقدم هذه الورقة "تصحيح السرعة والمسار" (Pace-and-Path Correction)، وهو عامل تشغيلي وقت الاستدلال، مغلق الصيغة، ولا يتطلب تدريباً، يعالج عمى الديناميكيات الزمنية في نماذج الرؤية واللغة والعمل (Vision-Language-Action models) عبر تفكيك تعديلات الحركة إلى قناتي السرعة والمسار، مما يحسن معدلات النجاح بشكل كبير في البيئات الديناميكية دون الحاجة إلى إعادة التدريب.
تقدم الورقة البحثية SpatialForge، وهو خط معالجة لتخليق البيانات قابل للتوسع يحول صور العالم المفتوح ثنائية الأبعاد إلى مجموعة بيانات مكونة من 10 ملايين زوج لتعزيز وتطوير قدرات الاستدلال المكاني المدركة للثلاثي الأبعاد في النماذج اللغوية البصرية الكبيرة بشكل فعال وكبير.
تقدم هذه الورقة ProFIL، وهي طريقة تعلّم تعزيزي تعتمد على المسبار المفلتر (probe-filtered)، تقوم بتدريب مسبار انتباه خفيف الوزن على نموذج مجمد للكشف عن "مسرحية الاستنتاج" (reasoning theater) التي تلي الالتزام ومعاقبتها أثناء تدريب GRPO، مما يؤدي إلى تقليل طول السلسلة بشكل كبير وزيادة صدقية الاستنتاج دون المساس بدقة المهمة.
تقدم الورقة البحثية FibQuant، وهي طريقة تكميم متجه عالمية تستبدل برامج الترميز القياسية بكتيب رموز شعاعي-زاوي مشترك مصمم خصيصاً لتوزيع (spherical-Beta) لمتجهات الـ KV-cache المدوّرة، مما يحقق نسب ضغط أعلى بكثير مع حد أدنى من التدهور في الارتياب مقارنة بالأسالب القياسية الحالية.