23087 ورقة بحثية
تقترح هذه الورقة البحثية آلية الانتباه ثنائي المسار (DSA)، وهي إطار عمل للتعلم العميق متعدد الوسائط يستخدم الانتباه المتبادل عبر الوسائط لدمج عناوين الأخبار النصية المشوشة مع الإشارات الوبائية الرقمية بفعالية، مما يحقق أداءً هو الأفضل في حالته (state-of-the-art) في التنبؤ بنشاط الأمراض الشبيهة بالإنفلونزا قبل 12 أسبوعاً مقارنة بالنماذج المرجعية الحالية.
تُثبت هذه الورقة أن التحقق من الاستدلال القائم على "غومبل" (Gumbel)، والذي زعم سابقاً الحد من استخراج أوزان النماذج اللغوية الكبيرة في ظل حركة المرور الحميدة، يصبح أقل فعالية بشكل ملحوظ ضد المطالبات العدائية التي تعطل البنية النحوية لتضخيم اعتلاج الرموز (token entropy) اصطناعياً، مما يؤدي إلى مضاعفة معدل تسريب البيانات ويستلزم دفاعات ديناميكية مُعايرة وفقاً للاعتلاج.
تقدم هذه الورقة معيار CLAW-4L وإطار عمل قائماً على الادعاءات لإثراء السير الذاتية للنساء في ويكيبيديا الإنجليزية بحقائق محلية من طبعات غير إنجليزية (الفرنسية، والصينية، والأذربيجانية)، مما يثبت أن المحاذاة عبر اللغات يمكن أن تحسن التغطية رغم التحديات في البيئات ذات الموارد المنخفضة.
تقترح هذه الورقة نهجاً لتقطير المعرفة القائم على البيانات (DDKD) مع تعزيز الحفاظ على البنية لتحقيق توليد فعال للنصوص من البيانات عبر مجالات ومهام متعددة دون الحاجة لبيانات تدريب داخل النطاق، مما يثبت أن النماذج المقطرة الصغيرة تتفوق باستمرار على الاستدلال في حالة عدم وجود بيانات (zero-shot) والضبط الدقيق خارج النطاق عبر خمس معايير قياسية.
تقترح هذه الورقة "قانون تكثيف سلوك المستخدم"، وهو نمط قياس كمي يربط حجم البيانات بالقدرة الدنيا الكافية للترميز، وتقدم ALGN، وهي طريقة ترميز تكيفية تتغلب على اختناقات البيانات بمقياس المليارات وتتفوق على النماذج المرجعية الحالية في تعلم تمثيل المستخدم.
يُعد MediSkill-Evo عميلاً إكلينيكياً مقيداً بالعمليات، يعمل على تطوير مهارات تفاعل قائمة على الأدلة من خلال نظام معرفي متعدد البنوك وحزام تفضيلات يمنح الأولوية للسلامة، مما يحسن بشكل كبير دقة التشخيص، وتغطية العلاج، وتقليل حالات الفشل مقارنة بالنماذج المرجعية الحالية دون الحاجة إلى ضبط دقيق للنموذج الأساسي.
تُعد SkillAlchemy إطار عمل مبتكر يعمل على أتمتة إنشاء مهارات الوكلاء في العوالم المفتوحة من خلال تحديد المتطلبات الضمنية عبر الأدلة التباينية وتجميع إجراءات مستندة إلى المصادر، محققةً أداءً يضاهي المهارات التي أعدها البشر ويتفوق بشكل كبير على النماذج المرجعية الحالية في اختبار SkillsBench.
تقدم الورقة البحثية ChebBooster، وهو إطار عمل لا يتطلب تدريباً يستفيد من الاستكمال الرياضي لمتعددات حدود تشيبيشيف المستقرة عددياً عبر صيغة Barycentric لتسريع استنتاج نماذج "Diffusion Transformer" بشكل كبير، محققاً تسريعاً في زمن الاستجابة يصل إلى 3.68 ضعفاً وخفضاً في العمليات الحسابية (FLOPs) بمقدار 5.12 ضعفاً مع الحفاظ على جودة بصرية عالية عبر نماذج متعددة.
تقدم هذه الورقة BasketballBench، وهو معيار متعدد الوسائط شامل مستمد من موسم 2025-2026 لدوري كرة السلة الأمريكي للمحترفين (NBA)، وتقترح BasketballSkills، وهو وكيل يتفوق على النماذج اللغوية الكبيرة متعددة الوسائط (MLLMs) الحالية من خلال التركيب الصريح لأدوات الإدراك والاسترجاع الخاصة بالمجال لمعالجة الطبيعة المعقدة والمتكاملة لفهم كرة السلة.
تقدم هذه الورقة وتُوصّف "الدعائم الدنيا المدمرة" كتفسيرات رسمية لسبب خسارة المرشحين في البطولات، مع توفير خوارزميات ذات زمن حدودي لتحديد هذه البطولات الفرعية الدنيا لخمس قواعد شائعة للبطولات، بينما تسلط الضوء على عدم القدر man التوقعي للحساب لقاعدة بوردا.