cs.AI

Filter then Attend: Improving attention-based Time Series Forecasting with Spectral Filtering

تقترح هذه الورقة تعزيز النماذج القائمة على "ترانسفورمر" (Transformer) للتنبؤ بالسلاسل الزمنية الطويلة من خلال دمج مرشحات طيفية قابلة للتعلم في مرحلة الإدخال، مما يحسن الأداء، ويقلل حجم النموذج، ويسمح باستغلال أفضل للطيف الترددي الكامل مع إضافة حد أدنى من المعلمات.

Probabilistic Modeling of Latent Agentic Substructures in Deep Neural Networks

تؤسس هذه الورقة إطاراً احتمالياً لنمذجة البنى التحتية الوكيلة الكامنة في الشبكات العصبية باستخدام التجميع اللوغاريتمي الموزون لإثبات شروط الإجماع الصارم، وتوضح كيف يفسر هذا النظرية ظهور الشخصيات المتناقضة مثل "والويجي"، مما يقدم استراتيجيات جديدة لتحسين توافق الذكاء الاصطناي.

Vulnerable Agent Identification in Large-Scale Multi-Agent Reinforcement Learning

تتناول هذه الورقة مشكلة تحديد الوكيل الضعيف في التعلم المعزز متعدد الوكلاء واسع النطاق عبر اقتراح إطار عمل للتحكم في المجال المتوسط اللامركزي التنافسي الهرمي، والذي يفصل عملية اختيار الوكيل ذات التعقيد الحسابي العالي (NP-hard) عن تعلم السياسة التنافسية عبر تحويل "فينشل-روكافيلر"، مما يتيح تحديداً فعالاً ومثبتاً من حيث المثالية للوكلاء الذين تسبب أعطالهم أسوأ تدهور في أداء النظام.

A Formal Comparison Between Chain of Thought and Latent Thought

تقدم هذه الورقة تحليلاً رسمياً يوضح أنه في حين أن التفكير الكامن (latent thought) يتيح حوسبة متوازية أكثر كفاءة من "سلسلة الأفكار" (Chain of Thought) المتسلسلة بطبيعتها، فإن الأخيرة تدعم بشكل فريد العد التقريبي وأخذ العينات من خلال فك الترميز العشوائي، مما يوفر إرشادات عملية لاختيار نموذج الاستدلال المناسب بناءً على متطلبات المهمة.

Neural Diffusion Processes for Physically Interpretable Survival Prediction

BioBlobs: Unsupervised Discovery of Functional Substructures for Protein Function Prediction

يُعد BioBlobs إطار عمل غير معتمد على مشفر محدد، وقابل للتفاضل من البداية إلى النهاية، يكتشف بشكل غير خاضع للإشراف بنيات فرعية وظيفية متماسكة ("blobs") من تسلسلات أو هياكل البروتين للتنبؤ بالوظيفة وتحديد المواقع التحفيزية باستخدام جزء ضئيل فقط من البقايا، دون الحاجة إلى تسميات توضيحية صريحة على مستوى البنية الفرعية.

Coevolutionary Continuous Discrete Diffusion: Make Your Diffusion Language Model a Latent Reasoner

تقترح هذه الورقة البحثية نموذج الانتشار المستمر والمنفصل المتطور (CCDD)، وهو إطار عمل مبتكر يوحد عمليات الانتشار المستمرة والمنفصلة ضمن نموذج واحد للتغلب على تحديات التدريب وفك التشفير التي تواجه الانتشار المستمر، مع الاستفضاء من قدرته النظرية الفائقة في التعبير لتعزيز أداء نمذجة اللغة.

See the past: Time-Reversed Scene Reconstruction from Thermal Traces Using Visual Language Models

تقترح هذه الورقة إطار عمل مبتكر يجمع بين النماذج اللغوية البصرية وعملية انتشار مقيدة لإعادة بناء حالات المشهد الماضية المعقولة من الآثار الحرارية المتلاشية التي تتركها التفاعلات البشرية، مما يتيح التصوير العكسي للزمن لفترة تصل إلى 120 ثانية سابقة.

Detecting Data Contamination in LLMs via In-Context Learning

تقدم الورقة البحثية CoDeC، وهي طريقة عملية وآلية تكتشف وتحدد كمية تلوث بيانات التدريب في النماذج اللغوية الكبيرة من خلال تحليل كيفية تأثير التعلم في السياق على ثقة النموذج، مع التمييز بين بيانات التدريب المحفوظة والتوزيعات غير المرئية.

Towards Fine-Grained Code-Switch Speech Translation with Semantic Space Alignment

تقترح هذه الورقة إطار عمل لترجمة الكلام المدمج باللغات (code-switch) بدقة عالية، يعزز النماذج اللغوية الكبيرة بجهاز عرض من نوع "خليط الخبراء" (Mixture-of-Experts) متخصص لغوياً ونموذج تدريب متعدد المراحل لتحقيق تحسينات كبيرة في الأداء مقارنة بالنماذج الحالية مثل SeamlessM4T.