26236 ورقة بحثية
تقدم الورقة البحثية Polaris، وهو إطار عمل للتمثيل الفائق في الفضاء الكروي القطبي يعمل على فصل المعنى الدلالي عن البنية الهرمية باستخدام الهندسة الزاوية ونصف القطر لتحقيق أداء رائد في توسيع التصنيفات عبر إعدادات متنوعة.
تثبت هذه الورقة أنه خلافاً لافتراض وجود "ضريبة كسر الحماية"، فإن النماذج المتطورة الرائدة تحتفظ بقدراتها حتى عند تعرضها لعمليات كسر حماية معقدة، حيث يتناسب تدهور الأداء عكسياً مع قدرة النموذج، ويكون ضئيلاً بالنسبة للنماذج من الفئة الأولى مثل Opus 4.6.
تكشف هذه الورقة أن طرق كشف البيانات خارج التوزيع (OOD) ذات الصندوق الأبيض الحالية للنماذج اللغوية تعاني من خلط بنيوي بسبب طول التسلسل، وتقترح إطار عمل ثنائي المسار يميز بين الإشارات القائمة على التضمين لتحولات المفردات وبين سمات مسار الحالة الخفية للكشف عن مدخلات النوايا المستترة مثل عمليات الاختراق (jailbreaks).
تقترح هذه المساهمة إطار عمل هجين لاكتشاف التسلل يعتمد على التعلم الاتحادي والمدرك للثقة، يجمع بين نماذج الغابة العشوائية، وشجرة القرار، وآلات المتجهات الداعمة الخطية عند عقد الحافة مع التجميع من جانب الخادم لتعزيز الأمن وتقليل زمن الاستجابة في أنظمة النقل الذكية.
تُعد Caracal بنية مبتكرة، محمولة، وقابلة للتوسع تستبدل آلية الانتباه بوحدة فورييه متعددة الرؤوس ذات كفاءة في المعلمات وتقنية قناع سببي في مجال التردد لتحقيق نمذجة تسلسلات طويلة بتعقيد دون الاعتماد على تطبيقات خاصة بالأجهزة.
تُثبت هذه الورقة أن الحذف العشوائي لجزء من بيانات التدريب في التعلم التعزيزي السياقي يحسن من تقدير السياق ومتانة السياسة عبر الوزن الضمني للعينات الحديثة المتوافقة مع التوزيع، وهي ظاهرة مبررة نظرياً من خلال إظهار أن هذا الحذف يقلل من خسارة الاختبار المتوقعة تحت عدم تطابق التوزيع عندما تقع مستويات التنظيم ونسب الإشارة إلى الضجيج ضمن نطاقات محددة.
تقدم TokenArena معياراً مستمراً يقيم استنتاج الذكاء الاصطناعي على مستوى نقطة النهاية الدقيقة عبر خمسة محاور أساسية، مما يدمج مقاييس الأداء والتكلفة والطاقة للكشف عن تباين كبير في الدقة وزمن الاستجابة والكفاءة تغفله المعايير التقليدية على مستوى النموذج.
تقدم هذه الورقة GeoSR-Bench، وهو مجموعة بيانات مرجعية مبتكرة لتقييم نماذج الدقة الفائقة للاستشعار عن بعد من خلال ربط تحسين الصور مباشرة بمهام مراقبة الأرض اللاحقة، مما يكشف أن مقاييس الدقة التقليدية غالباً ما تفشل في التنبؤ بأداء المهام الفعلية أو حتى ترتبط بها ارتباطاً عكسياً.
تقترح الورقة البحثية إطار عمل OSCAR، وهو إطار عمل للمعايرة الذاتية عبر الإنترنت يستفيد من الفجوة التوليدية-التمييزية في النماذج اللغوية-البصرية الكبيرة لبناء بيانات التفضيل عبر بحث شجرة مونت كارلو (Monte-Carlo Tree Search) وتحسين التفضيل المباشر (Direct Preference Optimization)، مما يقلل بفعالية من الهلوسة دون الاعتماد على إشراف خارجي.
تقدم هذه الورقة "مجموعات Conformalized Quantum DeepONet"، وهو إطار عمل يستخدم الشبكات العصبية الكمومية المتعامدة والدوائر الكمومية الممركزة بالمعلمات والمتراكبة لتحقيق تعلم مؤثر قابل للتوسع مع تعقيد استدلال خطي وتقدير كمي لعدم اليقين خالٍ من التوزيع وصارم للتطبيقات الحرجة للسلامة.