27306 ورقة بحثية
تقترح الورقة البحثية إطار عمل pFLAlign، وهو إطار تعلم اتحادي مخصص يستفيد من آليات محاذاة التدرج أثناء كل من التدريب المحلي والتجميع لتقليل التباين وتخفيف التشوه، مما يحافظ على المعلومات الخاصة بكل عميل ويحقق أداءً هو الأفضل في فئته.
يُظهر نظام فريق CLaC الخاص بالمهمة السادسة في مسابقة SemEval-2026 أن النماذج اللغوية الكبيرة القائمة على التلقين تتفوق على المشفرات المضبوطة بدقة في اكتشاف وضوح الاستجابة والتهرب في الخطاب السياسي، محققةً نتائج رفيعة المستوى من خلال استراتيجية تجميعية وسياقات مدخلات غنية، مع تسليط الضوء على التحدي المستمر المتمثل في التمييز بين الردود الواضحة والمبهمة.
تُحدد هذه الورقة الفجوات المعلوماتية النظرية بين مستويات هرم بيرل السببي من خلال إثبات أن تحديد الإجابات السببية في المستويات الأعلى (التدخلات والواقعات المضادة) يمكن أن يتطلب بتات أكثر بكثير من إجابات المستويات الأدنى (البيانات الرصدية)، مع إثبات وجود فوارق تربيعية للتدخلات وفوارق خطية للواقعات المضادة في نماذج سببية هيكلية محددة.
تقترح هذه الورقة التدريب الخصمي المقيد بالمتشعب (MCAT)، وهو إطار عمل موحد يعزز المتانة الخصمية طويلة الذيل من خلال فرض الصلاحية الدلالية عبر قيود المتشعب وتعزيز الفصل الهندسي المتوازن عبر تنظيم مستوحى من مصفوفة تتبع فضاء التماثل (ETF)، مما يؤدي إلى تحسين المتانة عبر جميع توزيعات الفئات.
تتناول هذه الورقة تحديات التفسيرية في شبكات كولموغوروف-أرنولد (KANs) الناتجة عن التذبذبات عالية الانحناء، وذلك عبر اشتقاق عقوبة انحناء جديدة غير معتمدة على الأساس، والتي تؤدي عند تطبيقها إلى تنعيم تنشيطات النموذج بشكل كبير دون التضحية بدقة التنبؤ.
تقترح هذه الورقة مُقدِّرَ إزالة ضجيجٍ قائمًا على الاسترخاء المحدب يقوم بإسقاط الملاحظات المشوبة بالضجيج على الغلاف المحدب لمتشعب كامن منخفض الأبعاد، مما يوفر ضمانات خطأ في العينات المحدودة تحت شروط توزيعية محددة ويتحقق من صحة الإطار العملي لتطبيقات المجهر الإلكتروني بالتبريد العميق.
تقدم هذه الورقة إطار عمل لإزالة التحيز في وقت فك التشفير يستخدم نموذج مكافأة عملية منفصلاً لتقييم واختيار الرموز المرشحة من أجل العدالة والطلاقة دون تعديل أوزان النموذج، مما يثبت أن مخططات النقد والمراجعة المتتالية وحواجز التحيز خفيفة الوزن تقلل بفعالية من التحيزات الاجتماعية عبر نماذج لغوية متعددة مفتوحة الأوزان ومملوكة مع الحفاظ على جودة التوليد.
تحدد هذه الورقة فجوة حرجة في الموثوقية حيث تفشل النماذج اللغوية الصغيرة في إنتاج مخرجات صحيحة رياضياً ومتوافقة مع التنسيق المطلوب تحت التوجيه القياسي، وتقترح AloLab، وهو نظام وكيل ميتا تكراري يعمل على تحسين توجيهات النظام لتحقيق دقة عالية في المخرجات مع زمن استجابة يقارب الأداء الأصلي دون الحاجة إلى ضبط دقيق للنموذج أو فك ترميز مقيد.
تعمل هذه الورقة المراجعية على حل النتائج المتناقضة في الكيمياء القياسية للأطياف المرئية وفوق الحمراء القريبة فيما يتعلق بتصميم الشبكات العصبية الالتفافية، وذلك من خلال إرجاعها إلى متغيرات معدلة غير منضبطة، وتقترح إطار عمل للتصميم الشرطي يربط بين بنية النموذج وخيارات المعالجة المسبقة وبين فيزياء الأطياف، وخصائص مجموعة البيانات، وسيناريوهات النشر.
تقدم هذه الورقة الترميز التنبؤي العام عبر الإنترنت (ODEM)، وهو امتداد لتعظيم التوقع الديناميكي يتيح الاستدلال المتزامن عبر الإنترنت للحالات الكامنة، وتعلم معلمات النموذج، وتقدير عدم اليقين في البيئات الديناميكية من خلال الفصل بين المقاييس الزمنية، مما يثبت متانته حتى مع النماذج التوليدية غير المتطابقة أو الفوضوية.