25416 ورقة بحثية
تقدم الورقة البحثية GLoRA، وهو إطار عمل للتعلم الاتحادي المدرك للمقياس (gauge-aware) يعالج عدم التطابق الدلالي في تجميع LoRA الحالي عبر تقدير فضاء فرعي لتحديث التوافق وتجميع التحديثات في إحداثيات مرجعية مشتركة، مما يحقق أداءً فائقًا وتوافقًا في الرتبة عبر بيئات العملاء غير المتجانسة دون الحاجة إلى إعادة بناء كثيفة.
تقترح الورقة البحثية إطار عمل Gated QKAN-FWP، وهو إطار تعلم تسلسلي مستوحى من الكم وقابل للتوسع وكفء في المعلمات، يدمج مبرمجي الأوزان السريعة (Fast Weight Programmers) مع شبكات كولموغوروف-أرنولد الكمية أحادية الكيوبت لتحقيق دقة فائقة في التنبؤ طويل المدى على كل من المعايير الكلاسيكية وأجهزة الحوسبة الكمية ذات الضجيج المتوسط (NISQ) مقارنة بالنماذج المتكررة الأكبر حجماً.
تقترح الورقة البحثية STDA-Net، وهو إطار عمل للتكيف غير الخاضع للإشراف بين النطاقات يعتمد على المخطط الطيفي (spectrogram) ويدمج الشبكات العصبية الالتفافية (CNNs)، وشبكات الذاكرة الطويلة قصيرة المدى ثنائية الاتجاه (BiLSTMs)، والتعلم التنافسي لتحقيق تصنيف قوي ومستقر لمراحل النوم عبر مجموعات البيانات المختلفة، متفوقاً بذلك على الأساليب الحالية القائمة على الإشارات أحادية البعد عبر مجموعات بيانات متعددة.
تقدم هذه الورقة MolTrust، وهي بنية تحتية للثقة مُستخدمة في بيئة إنتاج مخصصة للوكلاء المستقلين، مبنية على بيانات الاعتماد القابلة للتحقق (Verifiable Credentials) والمعرفات اللامركزية (Decentralized Identifiers) التابعة لـ W3C، والتي تُثبت جدوى تنفيذ طبقة ثقة قابلة للنقل، وموثقة تشفيرياً، ومفروضة برمجياً من جهة النواة (kernel-enforced)، تلبي المتطلبات التنظيمية والصناعية المتزايدة لإجراء معاملات الذكاء الاصطناعي المستقلة والآمنة.
تقدم الورقة البحثية شبكات كولموغوروف-أرنولد الهندسية (GeoKANs)، وهي عائلة من النماذج التي تعزز تقريب الدوال والتعلم المستند إلى الفيزياء من خلال تعلم مترية ريمانية قطرية لطي إحداثيات المدخلات، مما يعيد تخصيص دقة التمثيل ديناميكيًا للتعامل بشكل أفضل مع الأنظمة الحادة والمتصلبة وغير المنتظمة.
تقدم هذه الورقة أول إطار إحصائي شامل للعمل الجماعي الخوارزمي الذي يتضمن مجموعات لا مركزية متعددة، حيث توفر حدوداً قابلة للحوسبة لمدى نجاحها في التأثير على سلوك المصنف بناءً على أحجام المجموعات وتوافق الأهداف، وتتحقق من صحة النهج من خلال محاكاة التكيف المناخي.
تقترح الورقة البحثية طريقة "تحسين السياسة القائم على الاستقراء المتدرج" (GXPO)، وهي طريقة متوافقة للتركيب مع أساليب التعلم المعزز من طراز GRPO المخصصة للاستنتاج، حيث تقوم بتقريب عمليات التطلع متعددة الخطوات المكلفة باستخدام ثلاث تمريرات خلفية فقط لتحقيق تحسينات كبيرة في أداء (pass@1) وكفاءة التدريب دون الحاجة إلى عمليات سحب عينات جديدة.
تقدم الورقة البحثية "ويبليكا" (Weblica)، وهو إطار عمل يستفيد من التخزين المؤقت على مستوى بروتوكول HTTP والتركيب القائم على النماذج اللغوية الكبيرة لإنشاء بيئات ويب قابلة للتوسع وقابلة لإعادة الإنتاج، مما مكن من تدريب نموذج "ويبليكا-8B" الذي يتفوق على النماذج مفتوحة الأوزان الحالية في مهام الملاحة البصرية عبر الويب.
تقدم هذه الورقة LiT-G2P، وهو إطار عمل هجين يعتمد على نموذج "الترانسفورمر" الخطي (linear-Transformer) يدمج التأثيرات الجينية الجمعية مع نمذجة التفاعلات غير الخطية لتحقيق تنبؤات قوية وعالية الدقة من النمط الجيني إلى النمط الظاهري لسمات الكروم (العنب) عبر ظروف بيئية متباينة، مع تحديد تعدد أشكال النوكليوتيدات المفردة (SNPs) المرشحة والقابلة للتفسير في الوقت ذاته.
تقدم هذه الورقة SCALAR، وهو إطار عمل "ممثل-ناقد-حكم" (Actor-Critic-Judge) مهيكل يوضح كيف أن الحوار متعدد الجولات واستراتيجيات التغذية الراجعة المحددة للناقد، لا سيما في الاقترانات غير المتماثلة، تعزز بشكل كبير أداء الذكاء الاصطناعي في مسائل الفيزياء النظرية المعقدة، بينما تكشف في الوقت ذاته أن توسيع نطاق النموذج وحده لا يمكنه التغلب على أصعب اختناقات الاستنتاج.