709 ورقة بحثية
تقدم هذه الورقة نموذجاً رقمياً مشابهاً عالي الدقة على نطاق الولايات المتحدة، يدمج مجموعات بيانات متنوعة لنمذجة التفاعلات بين الماشية والطيور البرية والبشر، مما يتيح تقييم والتحقق من مخاطر انتقال عدوى إنفلونزا الطيور شديدة الإمراض (H5N1) لتوجيه جهود المراقبة المستهدفة.
تقدم هذه الورقة EDINET-Bench، وهو معيار مرجعي مفتوح المصدر وتحدي مستمد من عشر سنوات من التقارير المالية اليابانية لتقييم النماذج اللغوية الكبيرة في مهام معقدة مثل كشف الاحتيال والتنبؤ بالأرباح، مما يكشف أن النماذج الحالية تعاني بشكل كبير دون دعامات متخصصة ويسلط الضوء على الحاجة إلى أطر تقييم أكثر واقعية.
تقدم هذه الورقة البحثية AttnBoost، وهو إطار عمل قابل للتفسير يدمج آلية الانتباه على مستوى الميزات في تعزيز التدرج (gradient boosting) لإعطاء الأولوية ديناميكياً للمتغيرات ذات الصلة مثل العروض الترويجية والموسمية، مما يؤدي إلى تحسين دقة التنبؤ بالمبيعات والرؤى القابلة للتنفيذ لإدارة سلاسل التوريد بالتجزئة.
تقدم الورقة البحثية FMint-SDE، وهو نموذج تأسيسي متعدد الوسائط يعتمد على محولات (transformers) من نوع "المُفكك فقط" (decoder-only)، والذي يستفيد من التعلم في السياق وتصحيح الأخطاء لتوفير حل عام وفعال ودقيق لمحاكاة المعادلات التفاضلية العشوائية عبر مجالات علمية متنوعة.
يُعد FedEMA-Distill إطار عمل للتعلم الاتحادي قوي وفعال من حيث كفاءة الاتصال، حيث يستفيد من تنعيم المتوسط المتحرك الأسي من جانب الخادم وتقطير المعرفة الجماعي من لوجيتات العملاء المضغوطة لتحقيق دقة فائقة، وتقارب أسرع، ومقاومة للبيانات الخبيثة في ظل ظروف البيانات غير المتطابقة والتوزيع غير المتماثل (non-IID)، دون الحاجة إلى تعديلات برمجية من جانب العميل.
تقترح هذه الورقة إطار عمل مبتكر يسخر النماذج اللغوية الكبيرة لتوليد "ألفا" صيغية، قابلة للتفسير وواعية بالمشاعر بشكل تلقائي، والتي تعمل كسمات محسنة للنماذج القائمة على تقنية "ترانسفورمر" لتحسين دقة التنبؤ بأسعار الأسهم وشفافيتها بشكل كبير.
تقترح هذه الورقة وتتحقق من صحة استراتيجية ديناميكية لتحسين محفظة العملات المشفرة تدمج المؤشرات الفنية (RSI وSMA) مع تحليل المشاعر المدعوم بالذكاء الاصطناعي (VADER وGoogle Gemini) ضمن إطار متوسط التباين، مما يظهر عوائد متفوقة معدلة حسب المخاطر ونمواً تراكمياً مقارنة بالمعايير التقليدية، مع تسليط الضوء على الحاجة إلى تعزيز إدارة المخاطر للتخفيف من حدة التراجعات أثناء فترات ضغط السوق.
تقترح هذه الورقة إطار عمل للتعلم التعزيزي باستخدام تحسين السياسة القريبة (PPO) لوزن الألفا المولدة بواسطة النماذج اللغوية الكبيرة (LLMs) ديناميكياً، مما يوضح أنه على الرغم من عدم قدرته دائماً على تعظيم العوائد التراكمية، إلا أنه يحسن بشكل كبير الأداء المعدل حسب المخاطر والاستقرار مقارنة بالاستراتيجيات المرجعية التقليدية.
يُعد SpecBridge إطار عمل مبتكر يعمل على تحسين تحديد الجزيئات الصغيرة من مطيافية الكتلة عبر ضبط مشفر طيفي بدقة ليتوافق مع الفضاء الكامن لنموذج تأسيسي جزيئي مجمد، محققاً بذلك مكاسب كبيرة في الدقة مقارنة بالنماذج المرجعية الحالية مع الحفاظ على كفاءة المعلمات.
تُطوّر هذه الدراسة وتُقارن بين تقنيات اختزال رتبة النموذج الاقتحامية وغير الاقتحامية لإنشاء نموذج مختزل الرتبة سريع وتفاعلي ومحدد لعدم اليقين من أجل التنبؤ في الوقت الفعلي بتشتت الملوثات المحمولة جواً في البيئات الحضرية المعقدة تحت ظروف رياح متغيرة.