24346 ورقة بحثية
تقترح هذه الورقة شبكة عصبية نبضية (spiking neural network) من طرف إلى طرف للكشف عن الأجسام من منظور عين الطائر القائم على تقنية ليدار (LiDAR)، والتي تحقق دقة عالية في معيار KITTI مع تقليل استهلاك الطاقة بشكل كبير مقارنة بالشبكات العصبية الالتفافية التقليدية، مما يثبت جدوى الإدراك العصبي الفعال للقيادة الذاتية.
تقدم الورقة البحثية نموذج UWM-JEPA، وهو نموذج عالم تنبؤي يستخدم كامنات مصفوفة الكثافة والمتنبئات الوحدوية للحفاظ على عدم اليقين أثناء عمليات التمرير الأعمى في البيئات ذات الملاحظة الجزئية، مما يتفوق بشكل كبير على النماذج المرجعية ذات الكامنات المتجهية في مهام حساسية الإجراءات المضادة وتخيل المستقبل.
يُعد CausalFlow إطار عمل تدخلياً يحول إخفاقات وكلاء النماذج اللغوية الكبيرة إلى إشارات تعلم موثوقة عبر نمذجة آثار التنفيذ لتحديد نقاط الفشل السببية وتوليد إصلاحات مضادة للواقع دنيا، وذلك من أجل التعافي الفوري أثناء الاختبار والإشراف التدريبي غير المتصل بالإنترنت.
تقدم هذه الورقة إطار عمل للوصول (reachability) قابل للتوازي وللاشتقاق في JAX، يجمع بين أنابيب التدفق بنماذج تايلور (Taylor-model flowpipes) وانتشار الحدود بأسلوب CROWN، لتمكين التدريب المعتمد والتخطيط القائم على التدرج لديناميكيات الشبكات العصبية وأجهزة التحكم تحت ظروف عدم اليقين.
تقترح هذه الورقة إطار عمل للمصنفات القوية القابلة للتحقق، والتي تستفيد من بنية خليط غاوسي التقريبية للفضاءات الكامنة مسبقة التدريب، حيث تثبت أن ضمانات المتانة تتدهور تدريجياً مع أخطاء التقريب التوزيعي، وتحقق دقة معتمدة هي الأفضل في فئتها على مجموعتي بيانات CIFAR-10 وImageNet دون اشتراط افتراضات توزيعية دقيقة.
تُعد KYA طبقة ثقة مفتوحة المصدر ومستقلة عن الأطر البرمجية للأنظمة ذاتية التشغيل، حيث توظف خمسة عناصر أساسية — بما في ذلك خط معالجة تطبيق ذي أربع بوابات آمنة، وتكوين سياسات هرمي، ونظام موحد لتقييم الثقة — للكشف عن انحراف الوكلاء، والتسريبات، والهجمات العدائية مع الحفاظ على زمن استجابة يقل عن ميلي ثانية واحدة وإنتاجية عالية.
تقترح هذه الورقة MGNet، وهو إطار عمل جديد للتعلم الضعيف الموجه لكشف الأجسام المموهة، يستفيد من نموذج Segment Anything Model (SAM) مع مطالبات الصناديق المحيطة لتوليد تسميات مستعارة عالية الجودة، ويوظف فك تشفير قناع متتالي إلى جانب وحدات تعزيز السياق وتجميع الميزات للتغلب على قيود التوسيم وتحسين دقة التجزئة.
تقدم الورقة البحثية "Second Guess"، وهي تقنية توجيه خفيفة الوزن وخالية من المعلمات للنماذج اللغوية الصغيرة، تكتشف عدم اليقين وتحسن الموثوقية في الإجابة على أسئلة الاختيار من متعدد من خلال الاستفادة من استقرار الإجابة عند تضمين خيار "لا أعرف".
تقدم هذه الورقة STRIQ، وهو إطار عمل خالٍ من التوسيم لمراقبة جودة مستويات الموجات فوق الصوتية، يستفيد من مُحاذي التسجيل الكامن ووحدة الفضاء المعرفي المتعامد لتحقيق أداء رائد من خلال إنشاء مراسلات ميزات هرمية ومنع التداخل بين المستويات عبر نماذج مرجعية مدفوعة بالتباين.
تقدم الورقة البحثية LLMSurvival، وهو إطار عمل يُمكّن النماذج اللغوية الكبيرة غير المعدلة من إجراء تحليل بقاء شامل وواعٍ بالرقابة على البيانات السريرية الجدولية، وذلك عبر إعادة صياغة التنبؤ بالوقت حتى وقوع الحدث كمسألة ترتيب زوجي، محققةً أداءً فائقاً على نماذج كوكس التقليدية ونماذج التعلم العميق المرجعية في التنبؤ بوفيات العناية المركزة ومخاطر الكسور.