23565 ورقة بحثية
تقدم هذه الورقة البحثية CV، وهو إطار عمل للتعلم العميق المستند إلى الفيزياء، يقوم بتقدير عمر الكلال لسبائك الفولاذ خفيفة الوزن بسرعة مباشرة من الصور المجهرية الضوئية بدقة عالية وعدم يقين مُعاير، محققاً معامل تحديد قدره 0.93 في اختبار معياري اصطناعي مع تسليط الضوء على الحاجة إلى التحقق المستقبلي من العينات الواقعية.
تُعد هذه الورقة رفيقاً منهجياً لدراسة حول الأسطح الدنيا في الفضاء الزائدي، حيث تُفصّل كيف يمكن لترميز القيود الهندسية مباشرة في بنية الشبكة العصبية وتحسين تقييم متبقي المعادلات التفاضلية الجزئية من خلال "الجيّات" (jets) من الدرجة الثانية وتجميع الرسوم البيانية أن يقلل تكالًف التدريب بمعامل يتراوح بين أربعين إلى خمسين ضعفاً، مما يُمكّن من تطبيقات فعالة للشبكات العصبية المستوحاة من الفيزياء في التحليل الهندسي.
إن DragonCrawl هو إطار عمل لاختبار تطبيقات الهاتف المحمول يعتمد على الذكاء الاصطناعي والنية (intent-based)، ويستفيد من القدرات متعددة الوسائط لنموذج GPT-4o لتحقيق معدلات نجاح عالية، وتقليل وقت تهيئة الاختبارات بشكل جذري، والقضاء على أعباء الصيانة من خلال التحقق من تدفقات مستخدم محددة في خطوط أنابيب التكامل المستمر والتسليم المستمر (CI/CD)، وبذلك يتغلب على قيود القابلية للتوسع والهشاشة التي تعيب اختبارات الطرف إلى الطرف التقليدية.
تقدم الورقة البحثية WaiT، وهو محول صور مدرك للمويجات (wavelet-aware image Transformer) يعمل على تحسين توليد الصور عالية الدقة من خلال تفكيك الصور إلى نطاقات ترددية وتأخير صقل الترددات العالية حتى تظهر الهياكل الخشنة، مما يحقق دقة فائقة في فضاء البكسل (pixel-space fidelity) وتكاليف حوسبة منخفضة مع التوسع بفعالية في توليد الفيديو.
تقترح هذه الورقة "التدرج السلسلي" (chain stratification)، وهو شرط مبتكر يعالج تحديات تطبيق النفي الافتراضي على قواعد RDF والقواعد الوجودية من خلال الجمع بين تحليل الاشتقاق متعدد الخطوات وقيود السلامة لضمان دلالات فريدة، رشيقة، ومبررة بغض النظر عن ترتيب تطبيق القواعد.
تقدم هذه الورقة البحثية EarlyDx، وهو معيار مرجعي واسع النطاق للتشخيص الطارئ مفتوح النهايات والقائم على الأدلة باستخدام بيانات مرحلة الدخول فقط من قاعدة بيانات MIMIC-IV، والذي يكشف أن النماذج اللغوية الكبيرة الحالية تواجه صعوبة في استنتاج التشخيصات بشكل موثوق من الأدلة الأولية المحدودة رغم التحسينات التي طرأت بعد مرحلة التدريب.
تقدم هذه الورقة تصنيفاً متمحوراً حول التفاعل يحدد مواضع فشل الوكيل في تفاعلات مكونات محددة وجوانب أعطال معينة، مما يحول الملصقات الغامضة القائمة على النتائج إلى مهام إصلاح قابلة للتنفيذ للنماذج أو الأطر أو البيئات لتحسين أنظمة الوكلاء عبر مختلف البنيات.
تقترح هذه الورقة خوارزمية تعلم تعزيزي ثنائي المستوى تعتمد على التدرج الفائق (hypergradient) وتخلو من مصفوفة هيسيان (Hessian-free)، تستفيد من مثالية سياسات بولتزمان لتحقيق تعقيد عينة يبلغ وتعقيد تكرار يبلغ ، وهي مستويات رائدة في مجالها، دون اشتراط شرط بولياك-لوجاستفيتش (Polyak-Lojasiewicz) على دالة الهدف في المستوى الخارجي.
تقدم هذه الورقة معياراً موحداً يقيم بإنصاف خمس بنيات للتعلم العميق هي الأحدث حالياً (بما في ذلك الشبكات العصبية الالتفافية CNNs، والمحولات Transformers، ونماذج فضاء الحالة SSMs) لتقسيم أورام الدماغ ثلاثية الأبعاد متعددة المهام على مجموعات بيانات BraTS 2023 و2024 تحت ظروف تجريبية متطابقة لتحليل المقايضات بين دقة التقسيم والكفاءة الحسابية.
يُعد TextCloak إطار عمل مدفوعاً بالتعلم المعزز (RL) يحمي البيانات النصية من الاستغلال غير المصرح به من قبل النماذج اللغوية الكبيرة (LLMs) عبر استخدام سياسة توليدية مُحسّنة بواسطة خوارزمية GRPO-UE لإنشاء أمثلة غير قابلة للتعلم تعمل على إضعاف أداء الضبط الدقيق للنماذج مع الحفاظ على الأمانة الدلالية والطبيعية اللغوية.