26236 ورقة بحثية
تقدم الورقة البحثية OMEGA، وهو إطار عمل متكامل يعمل على أتمتة أبحاث الذكاء الاصطناعي من خلال الجمع بين هندسة التلقين الميتافيزيقية المنظمة وتوليد الكود القابل للتنفيذ لإنشاء مصنفات تعلم آلي مبتكرة تتفوق على النماذج المرجعية لـ scikit-learn في 20 مجموعة بيانات معيارية.
تقدم الورقة البحثية eDySec، وهو إطار عمل قائم على التعلم العميق يعزز اكتشاف حزم PyPI الخبيثة من خلال الاستفادة من التحليل السلوكي الديناميكي لتحسين الدقة بشكل كبير، وتقليل الإيجابيات والسلبيات الكاذبة، وتوفير نتائج قابلة للتفسير ومستقرة مقارنة بطرق التعلم الآلي التقليدية.
تستخدم هذه الدراسة خوارزمية "أبريوري" (Apriori) لتحليل سجلات دروس الرياضيات الخصوصية، مما يكشف أن مستويات العجز المتعلم تؤثر بشكل كبير على الأنماط السلوكية، حيث يُظهر الطلاب ذوو مستويات العجز المتعلم المرتفعة ارتباطات أقوى بين تخطي المسائل دون طلب تلميحات وبين النتائج غير المحلولة، في حين يُظهر الطلاب ذوو مستويات العجز المتعلم المنخفضة روابط أكثر إيجابية بين الاستمرارية، واستخدام التلميحات، والحل الناجح للمسائل.
تُظهر هذه الدراسة أن الديناميكيات الصوتية غير الخطية القائمة على التكرار، والتي تلتقط التنظيم الزمني لكيفية عودة النظام الصوتي إلى الحالات الصوتية، تعمل كعلامات حيوية رقمية ذات دلالة إحصائية للكشف عن الاكتئاب، متفوقةً بذلك على الميزات الصوتية الساكنة التقليدية والميزات غير الخطية المتعارف عليها في مجموعة بيانات DAIC-WOZ.
تقدم هذه الورقة إطار عمل متعدد المراحل يستخدم نماذج عائلة V-Net وفقدانًا غير متماثل لتحقيق تقسيم دقيق للأذينين من صور الرنين المغناطيسي ثلاثية الأبعاد المعززة بالجادولينيوم المتأخر، وذلك عبر الجمع بين معالجة MCLAHE ومسار تقسيم من الخشن إلى الناعم.
تقدم هذه الورقة FlowBot، وهو إطار عمل قائم على البيانات يقوم تلقائياً باستنتاج وتحسين سير عمل النماذج اللغوية الكبيرة (LLM) من خلال صياغة العملية كمسألة تحسين ثنائي المستوى تُحل عبر تدرجات نصية نمطية، محققاً أداءً منافساً للنماذج المرجعية المصممة بشرياً.
تقترح الورقة البحثية DiffAnon، وهو إطار عمل لإخفاء هوية الصوت يعتمد على الانتشار ويستخدم التوجيه الخالي من التصنيف لتوفير أول تحكم هيكلي مستمر أثناء وقت الاستدلال في المقايضة بين الحفاظ على دقة النبرة وضمان خصوصية المتحدث.
يُعد NeuroPlastic مُحسِّناً مبتكراً يعزز التعلم العميق القياسي القائم على التدرج من خلال دمج آلية تعديل لدونة متعددة الإشارات مستوحاة بيولوجياً، مما يُظهر أداءً واستقراراً محسّنين، لا سيما في أنظمة التعلم محدودة البيانات والمشوبة بالضجيج.
تقدم هذه الورقة Entrocraft، وهي طريقة بسيطة لأخذ العينات بالرفض خالية من التنظيم، تتحكم بدقة في جداول الإنتروبيا لمنع تشبع الأداء في التعلم المعزز للنماذج اللغوية الكبيرة، مما يؤدي إلى تمديد طول فترة التدريب بشكل كبير وتحسين التعميم وتنوع المخرجات.
تقدم هذه الورقة تقنية "التجزئة المتسلسلة" (pipelined sharding)، وهي تقنية جدولة هجينة مبتكرة بين المعالج المركزي ومعالج الرسوميات تعمل على تحسين سرعة الاستدلال وتقليل متطلبات ذاكرة الوصول العشوائي للفيديو (VRAM) لنماذج اللغات الكبيرة والنماذج اللغوية البصرية على أنظمة العملاء بشكل كبير، محققةً مكاسب في الإنتاجية تصل إلى 30 ضعفاً وانخفاضاً في ذاكرة VRAM بمقدار 10 أضعاف مقارنة بالنماذج المرجعية الشرسة.