26002 ورقة بحثية
تُعد خوارزمية SAVGO خوارزمية تعلم تعزيزي مبتكرة توحد بين تعلم التمثيل، وتقدير القيمة، وتحسين السياسة من خلال تعلم فضاء تضمين مشترك للحالة والعمل، حيث يعكس تشابه جيب التمام تقديرات قيمة العمل، مما يوجه تحديثات السياسة نحو مناطق القيمة العالية في مهام التحكم المستمر.
تقترح الورقة البحثية LightKV، وهي طريقة مبتكرة تقلل بشكل كبير من عبء ذاكرة وحدة معالجة الرسومات والحوسبة في نماذج الرؤية واللغة الكبيرة من خلال ضغط ذاكرة التخزين المؤقت لـ KV الخاصة بالرموز البصرية عبر تمرير الرسائل عبر الوسائط الموجهة بالموجه، محققةً ما يصل إلى 50% من تقليل الذاكرة المخزنة مؤقتًا و40% من توفير الحوسبة مع الحفاظ على الأداء عبر ثمانية معايير قياسية.
يُعد HyperCOP إطار عمل معياري وقابل للتفسير يتعلم مشغلات حل المعادلات التفاضلية الجزئية (PDE) المعلمية عبر تركيب وحدات عددية وتعلمية بسيطة بواسطة سياسة مشروطة بالاستعلام، محققاً تعميماً فائقاً خارج نطاق التوزيع وقابلية نقل تتفوق على المشغلات العصبية المتجانسة.
تقدم هذه الورقة طريقة هجوم عدائي تُسمى "denoising-PGD" تكشف عن ثغرة مشتركة مفاجئة وتشابه محلي عالٍ (تشابه المتانة) عبر نماذج متنوعة لإزالة الضجيج من الصور، مما يؤدي إلى الاستنتاج بأن النماذج القائمة على البيانات وغير العمياء هي الأكثر متانة، بينما تظهر النهج القائمة على النماذج مثل BM3D مقاومة متأصلة.
تقدم هذه الورقة دراسة في تعلم الآلة حول التنبؤ بنتيجة مباريات "ليج أوف ليجيندز" (League of Legends) في الوقت الفعلي، حيث تُظهر أن نموذج (LightGBM) يحقق دقة بنسبة 81.62% في المراحل المتوسطة، بينما يتفوق الانحدار اللوجستي وتعزيز التدرج في المراحل المبكرة، مما يقدم رؤى قيمة لكل من استراتيجية اللاعبين وصناعة المراهنات.
تُثبت هذه الورقة أن النماذج اللغوية الكبيرة، بما في ذلك ChatGPT وGemini وDeepSeek، يمكن تجاوزها لتوليد محتوى محظور أو ضار من خلال توظيف شخصيات تقمص أدوار معقدة ذات سمات شخصية غير متوافقة، وهي ثغرة تم تأكيدها عبر نماذج وإصدارات متعددة من عام 2023 إلى 2025.
تقترح هذه الورقة إطار استدلال تبايني خالٍ من أخذ العينات للشبكات العصبية البايزية خفيفة الوزن، والذي يدمج كلاً من عدم اليقين العشوائي المتباين وعدم اليقين المعرفي مباشرة في تباينات معاملات الشبكة، مما يؤدي إلى تحسين الأداء التنبؤي دون زيادة عدد المعاملات القابلة للتعلم.
تقترح هذه الورقة طريقة "بايز المتغيرة الدلالية" (SVB)، التي تستفيد من نظرية المعلومات الدلالية ومعيار كفاءة المعلومات القصوى لتوفير بديل أكثر بساطة من الناحية الحسابية وأكثر بديهية لطرق "بايز المتغيرة" التقليدية لحل المتغيرات الكامنة، مع تطبيقات مثبتة في النماذج الخليط، وضغط البيانات، ومهام التحكم.
تقترح هذه الورقة إطار عمل سيبراني لتعلم الآلة غير المكتسب (machine unlearning) يستخدم قلب النموذج (model inversion) لتوليد صور ذهنية اصطناعية، والتحليل الفرضي الإحصائي للكشف عن الأبواب الخلفية العصبية وإزالتها ذاتياً، وذلك بهدف تحقيق التوازن بين دقة المعرفة والأمن ضد التلاعبات غير المصرح بها.
تقترح هذه الدراسة نهجاً للتعلم الآلي غير الخاضع للإشراف باستخدام شبكة عصبية تلافيفية مخصصة وخوارزميات تجميع لأتمتة تصنيف مؤشر سينغ لهشاشة العظام من صور الأشعة السينية لمفصل الورك، مع تسليط الضوء على الحاجة إلى دمج البيانات السريرية وتقنيات التعلم المتقدمة لمعالجة قيود مجموعة البيانات وتحسين دقة التشخيص.