24918 ورقة بحثية
تقدم هذه الورقة البحثية JEPAMatch، وهو أسلوب تعلم شبه مُشرف يعزز إطار عمل FixMatch من خلال دمج حد تنظيم في الفضاء الكامن مستوحى من LeJEPA لتشكيل التمثيلات الهندسية بشكل صريح، مما يؤدي إلى التخفيف من عدم توازن الفئات والسمات الزائفة الضوضائية مع تسريع التقارب وتقليل التكاليف الحسابية بشكل كبير.
تقترح هذه الورقة DWTSumm، وهو إطار عمل خفيف الوزن يطبق تحويل المويجات المنفصلة (Discrete Wavelet Transform) على تضمينات النصوص لتفكيك المستندات إلى مكونات دلالية عالمية ومحلية، مما يؤدي إلى تحسين التأسيس الواقعي، والأمانة الدلالية، والحد من الهلوسة في تلخيص المستندات الطويلة في المجالات السريرية والقانونية مقارنة بالنماذج اللغوية الكبيرة القياسية.
تقترح هذه الورقة استراتيجية لإعادة وزن الرموز (tokens) تعطي الأولوية للرموز ذات الدلالة المعنوية في دالة الخسارة، مما يمكّن نماذج الرؤية واللغة من توليد تقارير طبية عالية الجودة باستخدام بيانات تدريب أقل بعشر مرات مقارنة بأساليب الإنتروبيا المتقاطعة القياسية.
تقدم هذه الورقة البحثية "climt-paraformer"، وهو محاكي ترانسفورمر (Transformer) مدرك للذاكرة الزمنية لتمثيل العمليات الحملية، والذي يتفوق على النماذج المرجعية الخالية من الذاكرة والنماذج المتكررة في الدقة ويحافظ على الاستقرار عبر عمليات محاكاة مناخية تمتد لعقود من خلال نمذجة التبعيات الزمنية في الحالات الجوية بشكل صريح.
تقدم هذه الورقة TravelFraudBench، وهو معيار مفتوح المصدر وقابل للضبط يتميز برسم بياني للسفر غير متجانس يحتوي على ثلاث طوبولوجيات متميزة لحلقات الاحتيال، والذي يثبت أن الشبكات العصبية الرسومية تتفوق بشكل كبير على النماذج المرجعية غير الرسومية في اكتشاف واستعادة حلقات الاحتيال مع تسليط الضوء على التزامن بين الأجهزة وعناوين البروتوكول الرقمي (IP) كإشارات حاسمة.
تقدم هذه الورقة LoGraB، وهو معيار لتعلم الرسوم البيانية المجزأة، وAFR، وهي طريقة إعادة بناء طيفية تكيفية تستعيد جزر الرسوم البيانية الوفية من التضمينات المشوشة والحساسة للخصوصية مع توفير ضمانات نظرية حول الاستقرار والتسرب.
تقترح هذه الورقة عائلة من أهداف تنظيم النقل الأمثل التنافسي التي تتعلم بشكل مشترك إحصاءات ملخصة عالية الجودة ومحاكيات متسقة فيزيائياً، مما يحسن بشكل كبير الدقة الإحصائية طويلة المدى للنماذج القائمة على البيانات للأنظمة الفوضوية حيث تفشل دوال الخسارة التقليدية.
تقدم هذه الورقة البحثية "Preconditioned DeltaNet"، وهو إطار عمل مدرك للانحناء يعزز النماذج المتكررة ذات التعقيد دون التربيع مثل DeltaNet وMamba-2، وذلك عبر اشتقاق متغيرات مسبقة الشرط من نظرية المربعات الصغرى عبر الإنترنت، مما يحقق تحسينات مستمرة في الأداء في نماذج اللغة ذات السياق الطويل ومهام الاستدعاء الاصطناعي.
تقدم هذه الورقة مُتكاملًا زمنيًا عصبيًا هجينًا يدمج المحولات ذاتية الانحدار ضمن مخطط عناصر محدودة مختلط يعتمد على طريقة الرماية لضمان الاستقرار القابل للإثبات والحفاظ على الطاقة، مما يتيح التنبؤ الفعال طويل الأمد بالأنظمة الفوضوية بعدد أقل بكثير من المعلمات وتسريع حوسبي هائل مقارنة بالنماذج التأسيسية الحالية.
تضع هذه الورقة قانون قياس جديدًا للنماذج اللغوية الحلقية يحدد كفاءة عمق التكرار، كاشفًا أن كل تكرار إضافي يحقق عوائد تناقصية تعادل قوة قدرها 0.46 في المعلمات الفريدة، مما يتيح مقايضات يمكن التنبؤ بها بين عمق النموذج، وعدد المعلمات، وحوسبة التدريب.