24939 ورقة بحثية
يقدم GSpaRC خوارزمية مبتكرة لإعادة بناء معلومات حالة القناة في الوقت الفعلي تستفيد من تقنية Gaussian Splatting ومسار معالجة CUDA مخصص لتحقيق زمن انتقال يقل عن الميلي ثانية ودقة عالية، مما يقلل بشكل كبير من العبء الإضافي لعلامات الإرشاد (pilot overhead) لأنظمة الجيل الخامس والأنظمة اللاسلكية المستقبلية.
تقترح هذه الورقة البحثية "قص نسبة الإنتروبيا" (Entropy Ratio Clipping - ERC)، وهو قيد عالمي ناعم يعمل على تثبيت التعلم التعزيزي للنماذج اللغوية الكبيرة من خلال فرض حدود ثنائية الاتجاه على نسبة الإنتروبيا بين السياسات الحالية والسابقة للتخفيف من حدة انزياح التوزيع وعدم استقرار التدريب.
تُعد BackPlay إطار عمل خفيف الوزن للتصحيح الذاتي لنماذج لغة الانتشار يعتمد على هيكل ثابت، حيث يستخدم رأس تصحيح متخصص وآلية تدريب استرجاعية (look-back) لاكتشاف الأخطاء وإصلاحها أثناء فك التشفير متعدد الرموز، مما يحسن المقايضة بين السرعة والجودة في مهام الاستدلال الرياضي وتوليد الكود البرمجي.
تقدم الورقة البحثية إطار عمل RIFT، وهو إطار عمل كفء في استخدام البيانات يعمل على تحسين محاذاة النماذج اللغوية الكبيرة من خلال إعادة توظيف العينات السلبية المولدة ذاتياً عبر إعادة وزن الخسارة المستند إلى المكافأة وصياغة مستقرة، متفوقاً باستمرار على الضبط الدقيق لرفض أخذ العينات في الاختبارات المعيارية الرياضية.
تُعد GeoRA طريقة تكيف منخفضة الرتبة واعية بالهندسة، حيث تقوم بتهيئة الموائمات عبر تحليل القيم المفردة (SVD) لفضاء تحديث التعلم المعزز، وتجميد المكونات المتبقية للحفاظ على البنى المسبقة التدريب، مما يحقق أداءً وقدرة تعميم فائقتين في التعلم المعزز مع المكافآت القابلة للتحقق (RLVR) مقارنة بالنماذج المرجعية الحالية الموفرة للمعلمات.
تقدم هذه الورقة خوارزمية \textsc{-lazyGD}، وهي خوارزمية تعلم عبر الإنترنت تسد الفجوة بين التحديثات التفاعلية والكسولة في التحسين المحدب عبر الإنترنت الممهد، حيث تثبت إمكانية تحقيق الندم الديناميكي الأمثل دون التضحية باستقرار الحركة من خلال ضبط الكسل تكيفياً بناءً على طول مسار المقارن.
تقدم هذه الورقة MinkUNeXt-VINE، وهي طريقة تعلم عميق خفيفة الوزن تستخدم تعلم تمثيل ماتريوشكا (Matryoshka Representation Learning) لتحقيق التعرف على المواقع عبر ليدار (LiDAR) بشكل قوي وفي الوقت الفعلي في بيئات مزارع الكروم غير المهيكلة باستخدام مدخلات متفرقة ومنخفضة التكلفة.
تكشف هذه الورقة أن مجموعات بيانات سلامة الذكاء الاصطناعي المستخدمة على نطاق واسع معيبة لأنها تعتمد على "إشارات تحفيزية" صريحة بدلاً من السلوك العدائي الواقعي، مما يثبت أنه عند إزالة هذه الإشارات عبر تقنية تسمى "غسيل النوايا"، تفشل حتى النماذج رفيعة المستوى في منع المخرجات الضارة.
تقدم هذه الورقة إطار عمل DynaMO، وهو إطار عمل قائم على أسس نظرية يعمل على تحسين التعلم المعزز باستخدام مكافآت قابلة للتحقق للنماذج اللغوية الكبيرة من خلال اشتقاق تخصيص تسلسلي لعمليات التدحرج يقلل التباين، وتنفيذ تعديل لميزة مستوى الرمز (token-level advantage) يكون مدركاً للتدرج، وذلك لمعالجة عدم كفاءة الموارد وعدم استقرار التدريب.
تقيم هذه الدراسة منصة "OncoBrain"، وهي منصة ذكاء اصطناعي تجمع بين النماذج اللغوية الكبيرة وطبقات متخصصة للاسترجاع والسلامة، وتجد أنها تولد خطط علاج أورام اعتبرها أطباء من تخصصات متعددة متوافقة مع الإرشادات التوجيهية ودقيقة علمياً وآمنة، مما يدعم إمكانية تقييمها مستقبلياً في بيئات الرعاية الواقعية لمرضى السرطان في مراكز الرعاية المجتمعية.