24509 ورقة بحثية
تقترح هذه الورقة شبكة انتباه عبر المراحل متعددة الخبراء (CSA-MoE-Net)، التي تدمج هيكل ResNet-18 معزز بالانتباه عبر المراحل مع وحدة خليط من الخبراء ثلاثية الفروع لمعالجة عدم تجانس الأورام وعدم توازن البيانات في تشخيص سرطان الثدي بالموجات فوق الصوتية بفعالية، محققةً دقة حالة فنية تبلغ 96.33% ومساحة تحت المنحنى (AUC) تبلغ 99.50% على مجموعة بيانات مكونة من 2,129 صورة.
تقدم هذه الورقة PerMemBench، وهو أول معيار لتقييم أنظمة الذاكرة المخصصة، وتقدم إطار عمل لبوابة تخزين على مستوى الجلسة يظهر القدرة على تحقيق مكاسب كبيرة في الاحتفاظ بالبيانات مع تسليط الضوء على التحدي الحاسم المتمثل في تعلم سياسات الذاكرة المخصصة بدقة.
تجمع هذه المراجعة الثالثية 30 دراسة ثانوية حول توليد الكود البرمجي القائم على النماذج اللغوية الكبيرة لتكشف عن مجال ينمو بسرعة ولكنه يُقيّم بشكل غير متكافئ، حيث يتناقض الأداء القوي في الاختبارات المعيارية مع تحديات جسيمة في التعميم في العالم الحقيقي، والمتانة، والكفاءة، والتكامل السوسيو-تقني.
تقدم هذه الورقة TopoAlign، وهو إطار عمل مدرك للطوبولوجيا يستفيد من رسوم مابير البيانية (mapper graphs) والتحسين الموجه بالقوة للمقارنة والتحليل البصري للمحاذاة الهيكلية لتمثيلات الشبكات العصبية عبر النماذج والطبقات، مما يقدم رؤى تتجاوز الطرق الهندسية التقليدية.
تقدم هذه الورقة البحثية SiST-GNN، وهي شبكة عصبية رسومية ديناميكية مبتكرة توحد تمرير الرسائل المكاني والزماني في عملية واحدة من خلال تعزيز الرسم البياني بحواف عبر الزمن، مما يحقق أداءً هو الأفضل حالياً في التنبؤ بالروابط وتصنيف العقد عبر معايير قياسية متنوعة.
تقدم هذه الورقة تقنية "الالتقاط اللحظي لحالة البرهان" (proof-state snapshotting) لـ Lean 4، وهي تقنية تعمل على التقاط وإعادة استخدام حالات البرهان المفصلة عبر فروع البحث المتوازية للقضاء على عمليات تحميل الاستيرادات وتفصيل متن المبرهنة المكررة، مما يحقق تسريعاً في وقت التنفيذ الفعلي يتراوح بين 5.6 و50 ضعفاً لعمليات الإثبات الآلي للمبرهنات.
تقترح هذه الورقة إطار عمل عصبي-رمزي يدمج النماذج اللغوية الكبيرة مع المنطق الضبابي والقواعد الصورية لتمكين تشخيص الأمراض بشكل قابل للتفسير والتحقق والمتوافق مع المعاير البشرية، وذلك عبر تحويل السرديات السريرية غير المهيكلة إلى سلاسل استدلال قابلة للتدقيق.
يُعد PennySynth إطار عمل للجيل المعزز بالاسترجاع يستفيد من قاعدة معرفية منسقة من أزواج التعليمات والأكواد الخاصة بـ PennyLane وتضمينات مدركة للكود لتحسين الدقة والصلاحية الهيكلية لتوليد الأكواد الكمومية الآلية بشكل كبير، متفوقاً بذلك على النماذج اللغوية الكبيرة الحديثة في تحديات مسابقة QHack.
تقترح الورقة البحثية نموذج GO-Flow، وهو نموذج مطابقة تدفق هندسي يفكك توليد التشكيل الجزيئي إلى فضاءات فرعية للترجمة والدوران والتشكيل ليتماشى مع القيود الفيزيائية الجوهرية، مما يحقق دقة تضاهي أحدث ما توصل إليه العلم وعينات عالية الدقة بعدد خطوات أقل بكثير.
تعالج سياسة تقطير المنطقة القصوى (ERPD) المقايضة بين كفاءة العينات والأداء التقاربي في التعلم المعزز للنماذج اللغوية الكبيرة من خلال فصل التحسين القائم على السياسة غير المتصلة والعدواني عن قيود منطقة الثقة المحافظة، وذلك عبر استخراج أقصى إشارات التدريب من البيانات الثابتة أولاً ثم تقطيرها في سياسة أساسية لتحقيق أداء فائق مع تقليل تباعد كيه إل (KL divergence) بشكل كبير.