cs.AI

A Formal Comparison Between Chain of Thought and Latent Thought

تقدم هذه الورقة تحليلاً رسمياً يوضح أنه في حين أن التفكير الكامن (latent thought) يتيح حوسبة متوازية أكثر كفاءة من "سلسلة الأفكار" (Chain of Thought) المتسلسلة بطبيعتها، فإن الأخيرة تدعم بشكل فريد العد التقريبي وأخذ العينات من خلال فك الترميز العشوائي، مما يوفر إرشادات عملية لاختيار نموذج الاستدلال المناسب بناءً على متطلبات المهمة.

Neural Diffusion Processes for Physically Interpretable Survival Prediction

BioBlobs: Unsupervised Discovery of Functional Substructures for Protein Function Prediction

يُعد BioBlobs إطار عمل غير معتمد على مشفر محدد، وقابل للتفاضل من البداية إلى النهاية، يكتشف بشكل غير خاضع للإشراف بنيات فرعية وظيفية متماسكة ("blobs") من تسلسلات أو هياكل البروتين للتنبؤ بالوظيفة وتحديد المواقع التحفيزية باستخدام جزء ضئيل فقط من البقايا، دون الحاجة إلى تسميات توضيحية صريحة على مستوى البنية الفرعية.

Coevolutionary Continuous Discrete Diffusion: Make Your Diffusion Language Model a Latent Reasoner

تقترح هذه الورقة البحثية نموذج الانتشار المستمر والمنفصل المتطور (CCDD)، وهو إطار عمل مبتكر يوحد عمليات الانتشار المستمرة والمنفصلة ضمن نموذج واحد للتغلب على تحديات التدريب وفك التشفير التي تواجه الانتشار المستمر، مع الاستفضاء من قدرته النظرية الفائقة في التعبير لتعزيز أداء نمذجة اللغة.

See the past: Time-Reversed Scene Reconstruction from Thermal Traces Using Visual Language Models

تقترح هذه الورقة إطار عمل مبتكر يجمع بين النماذج اللغوية البصرية وعملية انتشار مقيدة لإعادة بناء حالات المشهد الماضية المعقولة من الآثار الحرارية المتلاشية التي تتركها التفاعلات البشرية، مما يتيح التصوير العكسي للزمن لفترة تصل إلى 120 ثانية سابقة.

Detecting Data Contamination in LLMs via In-Context Learning

تقدم الورقة البحثية CoDeC، وهي طريقة عملية وآلية تكتشف وتحدد كمية تلوث بيانات التدريب في النماذج اللغوية الكبيرة من خلال تحليل كيفية تأثير التعلم في السياق على ثقة النموذج، مع التمييز بين بيانات التدريب المحفوظة والتوزيعات غير المرئية.

Towards Fine-Grained Code-Switch Speech Translation with Semantic Space Alignment

تقترح هذه الورقة إطار عمل لترجمة الكلام المدمج باللغات (code-switch) بدقة عالية، يعزز النماذج اللغوية الكبيرة بجهاز عرض من نوع "خليط الخبراء" (Mixture-of-Experts) متخصص لغوياً ونموذج تدريب متعدد المراحل لتحقيق تحسينات كبيرة في الأداء مقارنة بالنماذج الحالية مثل SeamlessM4T.

FLARE: Adaptive Multi-Dimensional Reputation for Robust Client Reliability in Federated Learning

تقدم هذه الورقة FLARE، وهو إطار عمل سمعة متعدد الأبعاد وتكيفي للتعلم الاتحادي يعزز المتانة ضد الهجمات البيزنطية المتنوعة والمتطورة من خلال استبدال التصفية الثنائية الثابتة بالتقييم المستمر للثقة، والعتبات ذاتية المعايرة، وآليات الاستبعاد المرنة، مع الحفاظ على دقة النموذج العالية وسرعة التقارب.

FlowLPS: Langevin-Proximal Sampling for Flow-based Inverse Problem Solvers

يُعد FlowLPS حلاً عكسياً خالياً من التدريب لنماذج التدفق الكامن، حيث يوازن بين دقة القياس والجودة الإدراكية عبر الجمع بين تحديثات لانجفينه (Langevin) للاستكشاف العشوائي للمتغيرات اللاحقة، والتقريب المباشر (proximal refinement) لتحقيق اتساق سريع مع القياسات.

In-Context Multi-Objective Optimization

تقدم الورقة البحثية TAMO، وهو سياسة قائمة على المحولات (transformer-based) ومستهلكة بالكامل (fully amortized)، تستفيد من التعلم داخل السياق (in-context learning) والتعلم التعزيزي (reinforcement learning) لإجراء تحسين شامل متعدد الأهداف للصندوق الأسود (multi-objective black-box optimization) بكفاءة، دون الحاجة إلى ملاءمة نماذج بديلة لكل مهمة (per-task surrogate fitting) أو هندسة دالة الاستحواذ (acquisition function engineering).