24509 ورقة بحثية
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.
تقدم هذه الورقة البحثية ANAUS، وهو إطار عمل ذاتي الإشراف مرتكز على التشريح، يقوم بتقطير نماذج الرؤية التأسيسية لتعلم تمثيلات الموجات فوق الصوتية الثابتة من خلال الاستفادة من وحدة تحديد التشريح المصممة بالهندسة التوجيهية واستراتيجية تعلم ثنائية السياسة، محققاً بذلك أداءً هو الأفضل في فئته عبر مجموعات بيانات سريرية متعددة.
تقدم هذه الورقة البحثية "المشغلات العصبية الخالية من الانحدار الذاتي" (AFNO)، وهي إطار عمل مبتكر يقوم بخرائط المعادلات التفاضلية الجزئية المعتمدة على الزمن إلى فضاء كامن، ويستخدم مطابقة التدفق لنمذجة حقول المتجهات المستمرة زمنياً، مما يلغي التوليد التكراري بالانحدار الذاتي لتحقيق تنبؤات مستقرة طويلة الأمد مع تقليل تراكم الخطأ.