22512 ورقة بحثية
تقدم هذه الورقة منصة "Smart Routes" لتطوير ومقارنة الخوارزميات لحل مسألة توجيه المركبات ذات السعة والنوافذ الزمنية، مما يثبت أن التعلم العميق والأساليب الاستدلالية الكلاسيكية تحقق نتائج قريبة من المثالية بتكاليف حوسبة أقل بكثير مقارنة بالمحللات الدقيقة مثل SCIP، خاصة مع زيادة أحجام المسائل.
تقدم هذه الورقة نهجاً جديداً للتعلم التعزيزي العميق، يعتمد على نموذج JAMPR معدل، يحل بفعالية مشكلات الالتقاط والتوصيل متوسطة الحجم ذات قيود السعة والنافذة الزمنية (CPDPTW) في الوقت الفعلي، ويوفر حلولاً فرعية سريعة للمسائل واسعة النطاق التي تتجاوز 200 عقدة.
تُثبت هذه الورقة أن الترشيح الطيفي القائم على المقدار في النماذج التوليدية الكمومية لا يقدم أي ميزة كمومية مقارنة بالمعالجة اللاحقة الكلاسيكية، حيث أن أي فصل محتمل يعتمد كلياً على الطور الطيفي للحالة المدخلة بدلاً من عملية الترشيح نفسها.
تُظهر هذه الورقة أن نماذج الطاقة الكلاسيكية، وتحديداً آلات بولتزمان العميقة، توفر منظوراً غير متكرر ومكملاً للطرق القائمة على إعادة البناء في كشف الشذوذ للبيانات الجدولية، مما يحسن الأداء بشكل كبير عند دمج درجات الطاقة الخاصة بها مع مخرجات المشفر التلقائي.
تقدم هذه الورقة البحثية ترميز التحويل الواعي بالانتباه (AATC)، وهو طريقة مبتكرة لضغط ذاكرة التخزين المؤقت لـ KV تستفيد من مبادئ معالجة الإشارات لتخصيص البتات بناءً على تأثيرها على آليات الانتباه، محققةً دقة تقارب عدم الفقد عند ضغط يصل إلى 5.8 ضعفاً عبر معايير ونماذج متعددة.
تقترح هذه الورقة آلية حماية تكيفية تستخدم مقاييس أهمية الميزات للحفاظ بشكل انتقائي على الميزات المُنشأة القيمة أثناء الانحدار الرمزي التطوري، مما يمنع فقدان المادة الجينية الحرجة ويحسن جودة الحلول بشكل كبير في كل من مهام الانحدار والتصنيف.
تقدم هذه الورقة FairTFM، وهي استراتيجية تدريب قابلة للتوسع تدمج قيود العدالة مباشرة في النماذج التأسيسية للبيانات الجدولية عبر مهام عدالة اصطناعية وطبقة عكس التدرج، مما يتيح تنبؤات عادلة وسياقية دون الوصول إلى السمات الحساسة مع الحفاظ على دقة تنافسية.
تقدم هذه الورقة مشكلة التجميع للفضاءات الجزئية المتصلة، وتثبت صعوبة تقريبها من فئة (NP-hard)، وتقترح خوارزمية استدلالية قابلة للتوسع من نمط "لويد" (Lloyd-style) تعمل بفعالية على تقسيم البيانات الموزعة مكانياً إلى عناقيد متماسكة فيزيائياً، مما يظهر أداءً فائقاً في تحديد أنماط مستويات سطح البحر المرتبطة بالمناخ مقارنة بالطرق الحالية.
تقدم الورقة البحثية AutoSchema، وهو إطار عمل لا يتطلب تدريباً للربط المباشر للمخططات (schema grounding) يُمكّن وكلاء النماذج اللغوية من فحص نقاط نهاية الرسوم البيانية للمعرفة غير المتجانسة مباشرة وبناء استعلامات SPARQL دون الاعتماد على ملفات مخطط مُعدة مسبقاً، مما يُظهر دقة وكفاءة محسنتين مقارنة بالأساليب الحالية مثل TogoMCP في مجالات الطب الحيوي والكيمياء.
تكشف هذه الدراسة التي أجريت على 18 نوعاً من النمل الأسترالي أنه بينما يتنبأ حجم الجسم بمدة عمر العامل، فإنه يفشل في التنبؤ بمسارات الهرم أو الحساسية الحرارية، والتي تُعزى بدلاً من ذلك إلى النيش (المكانة البيئية) اليوماوي والهوية السلالية، مما يشير إلى أن مؤشرات مخاطر الوفاة القائمة على الحجم قد تكون مضللة.