23199 ورقة بحثية
تقدم هذه الورقة خوارزمية تدريب مبتكرة تولد أمثلة صعبة ديناميكياً للتغلب على حدود القابلية للتوسع للبدائل العصبية أحادية الخطوة، مما يمكنها من حل مسائل عكس التشتت الموجي بدقة للمجالات التي تزيد عن 3 ملايين متغير وتحقيق تسريع كبير مقارنة بمحاكاة FDTD التقليدية.
تقترح هذه الورقة البحثية GraphGAN، وهي شبكة خصومية توليدية قائمة على الرسوم البيانية تجمع بين بناء مخطط التدفق الزمني، وتوليد العينات الاصطناعية الخصومية، والتصنيف بالشبكات العصبية التلافيفية للرسوم البيانية، وذلك لتحقيق كشف قوي ودقيق لهجمات حجب الخدمة الموزعة (DDoS) في شبكات الجيل القادم، مما يتغلب بفعالية على التحديات الناجمة عن عدم التوازن الشديد في الفئات وظروف حركة المرور غير المستقرة.
تقدم هذه الورقة Fair-ASR، وهو بروتوكول تقييم مدرك للميزانية يكشف عن تحولات كبيرة في التصنيف لهجمات كسر الحماية (jailbreak) في الصندوق الأسود تحت قيود استدعاء الهدف المشتركة، وتقترح ReCode، وهو هجوم تركيبي عالي الكفاءة يحقق نسبة نجاح 85% على GPT-5 مع استخدام أدنى قدر من الموارد.
تقدم هذه الورقة PTXBench، وهو معيار لتقييم وتكييف النماذج اللغوية الكبيرة لتوليد لغة PTX الخاصة بالبنية المعمارية من أجل تحسين أداء نوى وحدة معالجة الرسومات (GPU kernels)، كاشفةً أن النماذج الحالية تواجه صعوبة في مطابقة أداء المكتبات الرائدة باستمرار عبر أعباء العمل المعقدة، ومسلطةً الضوء على الدور الحاسم لجودة البيانات وتوازنها في تحسين قدرة النموذج على التعميم من خلال الضبط الدقيق.
إن LEGO-RL هو إطار عمل يُمكّن التعلم المعزز القابل للتوسع لوكلاء البرمجة من خلال الربط بين أطر التنفيذ الأصلية وتحسين تدرج السياسة عبر استضافة نماذج لغوية كبيرة وسيطة داخل العمليات، وتنسيق بيئات معزولة قوية، والمراقبة المتكاملة، مما يؤدي إلى تحسين أداء النماذج بشكل كبير على SWE-bench Verified عبر بيئات متنوعة مع الحفاظ على توافق عالٍ بين التدريب والاستدلال.
تقدم الورقة البحثية نظام SGHA، وهو نظام مؤتمت بالكامل يعتمد على نموذج لغة محلي، يقوم باكتشاف مشكلات بحثية قائمة على الأدلة من خلال هيكلة الأدبيات العلمية في رسم بياني للأدلة مُصنف نوعياً للكشف عن الفجوات الهيكلية، مما يتيح صياغة مشكلات شفافة وقابلة للتدقيق دون الاعتماد على النماذج الرائدة المملوكة لجهات خارجية.
تُثبت هذه الورقة أن تقطير المعرفة الموجه بالطاقة عبر نماذج بديلة مباشرة للطاقة، بدلاً من مقاييس العمليات الحسابية العائمة (FLOPs) التقليدية، يقلل بشكل كبير من استهلاك الطاقة والذاكرة أثناء الاستدلال للنماذج اللغوية الكبيرة في مهام هندسة البرمجيات مع الحفاظ على الأداء.
تُظهر هذه الورقة أنه في النماذج متعددة الوسائط الموحدة، تخضع إمكانية الاستخدام عبر المهام بين الفهم والتوليد لنقطة الدخول المحددة التي ترتبط فيها المفاهيم بالحوسبة المشتركة، مما يكشف أن حقن أهداف المحاذاة عند نقطة دخول مشفر الرؤية الدلالي يتيح اكتساباً فعالاً للمفاهيم مع حد أدنى من التدهور في القدرات العامة.
تُظهر هذه الدراسة أنه في حين تُبدي نماذج اللغة الجزيئية الأصلية أداءً غير متسق عبر المجالات الكيميائية المتنوعة، فإن الضبط الدقيق لها صراحةً على مكتبات افتراضية مستهدفة يعزز بشكل كبير من كفاءة العينات وفائدتها في الاكتشاف الجزيئي مقارنةً بكل من نسخها الأصلية والأساليب المرجعية التقليدية القائمة على البصمات الجزيئية.
تُعد DMT-Dens طريقةً مبتكرةً لتصور المتشعبات البارامترية تعتمد على مشفر محول (Transformer encoder) ذي رموز كامنة، وهي تحافظ بفعالية على كثافة أخذ العينات للبيانات البيولوجية عالية الأبعاد مع الحفاظ على قدرة تنافسية في فصل الملصقات، مما يحسن تفسير مجموعات حالات الخلايا النادرة والمستمرة.