23749 ورقة بحثية
تقترح الورقة البحثية E-AdaPrune، وهو إطار عمل تكيفي مدفوع بالطاقة يقوم بتخصيص ميزانيات الرموز البصرية ديناميكيًا بناءً على كثافة المعلومات الصورية عبر تحليل طيف القيم المفردة، مما يقلل بشكل كبير من الحوسبة الزائدة للصور البسيطة مع تحسين الأداء في الحالات المعقدة دون إدخال أي معاملات قابلة للتعلم إضافية.
تقدم هذه الورقة نهجاً إحصائياً لطريقة المقارنة الزوجية باستخدام القيم المرجعية والمتوسطات الهندسية لالتقاط مسافات عدم الاتساق والتفضيل في آن واحد، مع تحديد مؤشرات قابلة للتفسير لقياس جودة متجه الأوزان الناتج.
تقدم هذه الورقة إطار عمل MisKnow-Agent، الذي يوضح أن وكلاء البحث العميق (Deep Research agents) عرضة بشكل كبير لتبني استنتاجات خاطئة من وثائق مضللة، حيث ترتفع نسبة تبني الاستنتاجات الخاطئة إلى 54.7% عند الحقن، مما يكشف أن آليات التحقق والدفاع الحالية غير كافية لمنع مثل هذه الأخطاء بشكل كامل أثناء التحقيقات طويلة المدى.
تقدم هذه الورقة حدوداً دنيا محسنة لسعة شانون للدورات الفردية و و و من خلال إنشاء مجموعات مستقلة أكبر في نواتجها القوية عبر التعاون التكراري مع نموذج لغوي كبير.
تقدم الورقة البحثية CachedSearch، وهي طريقة لا تتطلب تدريباً تعمل على تسريع عملية البحث في زمن الاختبار لنماذج الانتشار بالفيديو من خلال التخزين المؤقت المكثف للمخركات المرشحة للحفاظ على دقة التصنيف، ثم إعادة توليد الفائز الأعلى فقط بالحوسبة الكاملة، مما يحقق مكاسب أداء تقارب المستوى الأمثل بتكلفة أقل بكثير عبر مختلف بنيات النماذج.
تجادل ورقة الموقف هذه بأن نتائج القبول في مؤتمرات تعلم الآلة مدفوعة بإخفاقات في تصميم القياس بدلاً من التحيز الفردي، وتثبت ذلك من خلال تحليل أكثر من 50,000 ورقة بحثية تظهر أن درجات المراجعين غير قابلة للمقارنة جوهرياً عبر المجالات البحثية، مما يؤدي إلى تباين احتمالات القبول بنسبة تصل إلى 8 أضعاف لنفس الدرجة اعتماداً على الموضوع.
باستخدام مجموعة بيانات تجريبية طولية خاصة باضطراب الاكتئاب الجسيم (MDD)، تقيم هذه الدراسة ثمانية مقدرات سببية للتنبؤ بآثار العلاج الفردية عند تغيير أدوية الاكتئاب، حيث وجدت أن "الغابة السببية" (Causal Forest) توفر التقديرات الأكثر متانة وتكشف أنه بينما يكون تكثيف الجرعة مفيداً بشكل عام، فإن مجموعات فرعية محددة من المرضى قد تستجيب بشكل متناقض بشكل أفضل للأنظمة ذات الكثافة المنخفضة.
يفصل تقرير الخبرة هذا من مؤتمر BOSC 2026 تطوير وتقييم نظام مراجعة مسبقة مدعوم بالذكاء الاصطناعي، والذي استخدم مهارات وكيلة واختبارات حاوية مؤتمتة لدعم المراجعين البشريين في تقييم تقديمات البرمجيات مفتوحة المصدر، كاشفاً أنه بينما وجد المراجعون الأداة مفيدة، إلا أنهم فضلوا التحقق من نتائجها بدلاً من الاعتماد عليها دون تشكيك.
تقدم هذه الورقة البحثية "بقايا الانتباه متعدد الرؤوس" (MHAR)، وهي تعديل هيكلي خالٍ من المعلمات يُمكّن الفضاءات الفرعية للميزات المختلفة من الانتباه بشكل مستقل إلى تاريخ العمق عبر رؤوس توجيه متعددة، مما يؤدي إلى حل عدم الاتفاق بين الفضاءات الفرعية وتحسين خسارة التحقق وأداء المهام اللاحقة بشكل كبير عبر مختلف أحجام النماذج مقارنة بنماذج المحولات (Transformers) القياسية.
تُظهر هذه الورقة أن تقنيات دمج النماذج القياسية غالبًا ما تسبب انهيارًا غير متماثل حيث تُفقد قدرات التعرف على السلامة بينما يتم الحفاظ على سلوكيات الرفض الواسعة، ويرجع ذلك أساسًا إلى أن الضبط الدقيق للرفض يستحث مقادير لمتجهات المهام أكبر بكثير تهيمن على عملية الدمج رغم كون المتجهات شبه متعامدة.