27306 ورقة بحثية
تقدم هذه الورقة أول إطار عمل قائم على النواة للاستدلال التوزيعي في ظل جمع البيانات التكيفي، والذي يجمع بين درجات فضاء هيلبرت المترابط مع النواة (RKHS) المتينة مزدوجاً مع دالة الشاهد والتقييس المتسلسل لتوفير ضبط صالح لخطأ النوع الأول للكشف عن كل من انزياحات المتوسط وفروق العزوم العليا.
تقدم الورقة البحثية ACTG-ARL، وهو إطار عمل مبتكر يجمع بين نهج توليد هرمي مشروط بالسمات وطريقة تدريب لاحق تعتمد على التعلم المعزز المرتكز لتحسين جودة التحكم دقيق التفاصيل في التوليد النصي ذي الخصوصية التفاضلية بشكل كبير.
تقدم هذه الورقة البحثية الشبكة العصبية لـ "لامدا" للتميّه (LSNN)، وهي نموذج مذيب ضمني قائم على الشبكات العصبية الرسومية، تم تدريبها على كل من القوى ومشتقات المتغيرات الخيميائية لتحقيق دقة في التنبؤ بالطاقة الحرة تضاهي محاكاة المذيب الصريح، مع توفير تسريع حسابي كبير لتطبيقات اكتشاف الأدوية.
تقترح الورقة البحثية طريقة GD-FPS، وهي طريقة لاختيار المعلمات تعتمد حصرياً على خلوها من التدرج وعلى التمرير الأمامي فقط، حيث تحدد بكفاءة المجموعات الفرعية المثلى للضبط الدقيق عبر قياس أحجام الأوزان الجوهرية مع نمو التنشيط النسبي، محققةً أداءً تنافسياً مع تقليل استهلاك الذاكرة وزمن الاستجابة بشكل كبير مقارنة بالنهج الحالية القائمة على التدرج.
تؤسس هذه الورقة إطاراً نظرياً يثبت أن استراتيجيات ما بعد التدريب القائمة على المنهج الدراسي، وتحديداً نهجي زيادة العمق وتقليل التلميحات، تُمكّن نماذج "ترانسفورمرز" من تحقيق تحسينات أسية في تعقيد العينات لمهام الاستدلال الشجري مقارنة بالأساليب غير المنهجية، وهو استنتاج مدعوم بكل من التحليل الرسمي والمحاكاة التجريبية.
تقدم الورقة البحثية "Autonomous QA Agent"، وهو إطار عمل للتوليد المعزز بالاسترجاع (RAG) يعمل على تحسين دقة سكربتات "Selenium" بشكل كبير من خلال ربط توليد الكود بالوثائق الخاصة بالمشروع وهياكل HTML الفعلية، محققاً معدل نجاح في التنفيذ بنسبة 90% مقارنة بـ 30% مع النماذج اللغوية الكبيرة القياسية.
تقدم هذه الورقة "تعلم التعزيز التحكمي" (Control Reinforcement Learning - CRL)، وهو إطار عمل يدرب سياسة لاختيار وتضخيم ميزات المشفّر التلقائي المتناثر القابل للتفسير ديناميكيًا على مستوى الرمز (token) لتوجيه مخرجات النماذج اللغوية الكبيرة، مما يوفر بروتوكولات تدخل لكل رمز ورؤى ميكانيكية جديدة في سلوك النموذج عبر مختلف الاختبارات المعيارية.
تُعد CrispEdit خوارزمية تحرير من الدرجة الثانية قابلة للتوسع، تحافظ على قدرات النماذج اللغوية الكبيرة عبر صياغة التحرير كمسألة تحسين مقيدة وإسقاط التحديثات على الفضاء الجزئي منخفض الانحناء في مشهد فقدان الأداء باستخدام تباعد بريجمان والتقريبات ذات العامل كرونيكر، مما يحقق معدل نجاح عالٍ في التحرير مع حد أدنى من تدهور الأداء.
تقدم هذه المساهمة نموذج "Attractor FCM"، وهو خريطة معرفية ضبابية مبتكرة تعتمد على التدرج التنازلي ومقيدة فيزيائياً، تستفيد من الذاكرة المتبقية، والانتشار العكسي عبر الزمن، ومرساة النقطة الثابتة لتمكين خوارزمية تعلم جديدة تجمع بين طريقة نيوتن والتدرج التنازلي التكيفي من أجل تقليل الخطأ المقنع سببياً بكفاءة.
تقدم هذه الورقة تحليلاً تجريبياً ولغوياً شاملاً لـ 14 طريقة من أحدث أساليب استرجاع النصوص إلى الفيديو عبر ثلاث مجموعات بيانات، كاشفةً أن أداء النماذج يصل إلى مرحلة الثبات عند التعامل مع الاستعلامات المعقدة أو متعددة الخطوات أو دقيقة التفاصيل، بينما يتفوق في الاستعلامات البسيطة والواضحة، كما تقدم رؤى حول كيفية تأثير خصائص الاستعلام وتنوع مجموعات البيانات على الفعالية الهيكلية.