23200 ورقة بحثية
تقدم هذه الورقة إطار عمل RAIL (الاستدلال، والضمانات، والواجهات، والتعلم) كمنظور موحد لتحليل وتصميم أنظمة الذكاء الاصطنا-رمزي الموثوقة والجديرة بالثقة التي تدمج تعلم الآلة مع الاستدلال الصوري عبر تطبيقات متنوعة.
تقدم الورقة البحثية Trident، وهو إطار عمل لاختبار الاختراق القائم على الوكلاء للنماذج اللغوية الكبيرة (LLM) يستفيد من بنية "البرمجية كسياسة" (Code-as-Policy) في التعلم المعزز مع التغذية الراجعة من المخرأ (RLVR) لتوليد استراتيجيات هجوم تكيفية، مما يكشف أن دفاعات الأمن السيبراني الحالية القائمة على التعلم المعزز العميق هشة جوهرياً ويتم التفوق عليها بسهولة من قبل التهديدات الديناميكية مقارنة بالنماذج المرجعية الاستدلالية الثابتة.
تقدم هذه الورقة البحثية \textsc{Lexi-LowGLM}، وهي خوارزمية عبر الإنترنت فعالة لمتعددات الأهداف ذات الأولوية المتعددة في مسألة "بانديت" المصفوفات منخفضة الرتبة المعممة، والتي تحقق حداً للندم المعجمي يعتمد على بُعد الرتبة المنخفضة الفعال مع تقليل تعقيد تحديث المُقدِّر من إلى عبر خطوات نيوتن عبر الإنترنت.
إن COMPAS هو إطار عمل مدرك للصعوبة يعمل على تحسين توليد الكود من خلال البحث المشترك عن أفضل نموذج، ومطالبة (prompt)، وإعدادات فك التشفيد لمجموعات صعوبة مهام محددة، مما يحقق تحسينات كبيرة في كل من معدلات النجاح وكفاءة التكلفة في اختبارات معيارية مثل LiveCodeBench وSWE-bench.
تقدم الورقة البحثية iStructTab، وهو إطار عمل للتعلم متعدد الوسائط يستخدم تسلسل الواصفات المعزز بالرسوم البيانية (GEDS) لتحسين ترتيب الميزات عبر الرسوم البيانية للتشابه ويدمج هذا الهيكل في محول مدرك للترتيب، مما يؤدي إلى تقليل تشتت الميزات وتحسين الأداء التنبؤي بشكل كبير في معايير البيانات الصورية والجدولية.
تقدم الورقة البحثية NeuMoSync، وهي بنية تعلم مستمر مبتكرة مستوحاة من آليات التعديل العصبي العالمية في الدماغ، والتي تدمج التعديل والتزامن الديناميكي الخاص بالنيورونات لتعزيز اللدونة، والقدرة على التكيف، والاحتفاظ بالمعرفة بفعالية عبر مختلف معايير التعلم المتسلسل.
تقدم هذه الورقة SecureCollaRAG، وهو إطار عمل للبحث والتحسين المعزز بالاسترجاع (RAG) تعاوني ومقاوم للخطأ البيزنطي، يستخدم التحقق من المعرفة متعدد المصادر وتصنيف المصداقية الديناميكي القائم على الشبكات العصبية الرسومية (GNN) للتحقق بأمان من أصل المستندات ومنع هجمات فساد المعرفة مع الحفاظ على سلامة المعرفة النطاقية في ظل توزيعات البيانات غير المتطابقة (non-IID).
يعزز ADSL-PDE التصميم الذاتي لمحللات المعادلات التفاضلية الجزئية العصبية (neural PDE solvers) من خلال إدخال لغة متخصصة في المجال تحول فضاء البحث من توليد كود برمجي متفرق وعرضة للخطأ إلى تمثيل مهيكل لقرارات التصميم، مما يحسن بشكل كبير من كفاءة البحث واستقرار التحسين.
تقدم هذه الورقة BinaryPC، وهي آلية انتباه متفرقة تعتمد على البيانات ولا تتطلب تدريباً، تستفيد من المكونات الرئيسية الثنائية لإنشاء أكواد هاش فعالة، مما يحسن بشكل كبير من إنتاجية فك التشفير في النماذج اللغوية الكبيرة ذات السياق الطويل مع الحفاظ على الدقة دون الحاجة إلى تدريب قائم على التدرج.
تقدم هذه الورقة البحثية MESH، وهي طريقة تحسين Sinkhorn موفرة للذاكرة تتضمن تحديثات الزخم الخفي والتحضير المسبق الاختياري للكتل لتمكين التدريب منخفض الذاكرة لنماذج خليط الخبراء (Mixture-of-Experts) بنجاح عبر معالجة عدم الاستقرار الزمني لتدرجات الخبراء الموجهة التي تتسبب في فشل طرق Sinkhorn عديمة الحالة القياسية.