27306 ورقة بحثية
تقترح هذه الورقة البحثية "انتباه التوكن المتناثر" (Token Sparse Attention)، وهو آلية ديناميكية وعكوسة لتناثر مستوى التوكن تعمل على ضغط وفك ضغط أزواج المفتاح والقيمة (key-value pairs) أثناء عملية الانتباه لتحقيق تسريع كبير في الاستنتاج لنماذج اللغات الكبيرة ذات السياق الطويل مع حد أدنى من التدهور في الدقة.
تقدم هذه الورقة البحثية إطار عمل "Riemannian MeanFlow" (RMF)، الذي يتعلم خرائط تدفق مباشرة على المتشعبات لتمكين النمذجة التوليدية عالية الجودة بما يصل إلى 10 أضعاف أقل من عمليات تقييم الدوال مقارنة بنماذج الانتشار أو التدفق التقليدية، مع دعم التصميم الفعال الموجه بالمكافأة في الوقت ذاته.
تتحدى هذه الورقة البحثية الافتراض السائد بأن الاستدلال القائم على السحابة غير مناسب للأنظمة السيبرانية الفيزيائية الحساسة لزمن الاستجابة، وذلك من خلال تقديم نموذج تحليلي ونتائج محاكاة تثبت أنه في ظل ظروف الإنتاجية العالية، يمكن للمنصات السحابية استهلاك تأخيرات الشبكة لتتفوق على الاستدلال المحلي على الجهاز في تلبية قيود السلامة في الوقت الفعلي لمهام مثل الكبح الطارئ الذاتي.
يقدم TimeRFT نموذجاً للضبط الدقيق بالتعزيز لنماذج التأسيس للسلاسل الزمنية، يستخدم آلية مكافأة زمنية قائمة على جودة التنبؤ واستراتيجية اختيار بيانات قائمة على الصعوبة للتغلب على قيود الضبط الدقيق الخاضع للإشراف، مما يعزز التعميم ودقة التنبؤ عبر مختلف أنظمة البيانات والتحولات في التوزيع.
تقدم هذه الورقة إطاراً للتفسير القائم على الفيزياء لإثبات أن انخفاض خطأ إعادة البناء في نماذج تحويل التقاط الحركة إلى رادار المعتمدة على البيانات لا يضمن الاتساق الفيزيائي، مما يكشف أن الانتباه الزمني أمر بالغ الأهمية لهذه النماذج لتعلم فيزياء التردد والسرعة الكامنة.
تقدم هذه الورقة البحثية ROSA، وهي بنية شبكة عصبية بصرية قائمة على الحلقات الميكروية تتسم بالمتانة وكفاءة استهلاك الطاقة، والتي تستفيد من وحدة إزاحة وجمع بصرية واستراتيجية رسم خرائط هجينة على مستوى الطبقات لتقليل حاصل ضرب الطاقة والتأخير بشكل كبير وتحسين دقة التصنيف مقارنة بالتصاميم الحالية.
تقدم الورقة البحثية خوارزمية CONF-LA، وهي خوارزمية قائمة على الثقة ومنخفضة زمن الاستجابة، تحقق تعييناً للأسطر في الوقت الفعلي وبدقة من خلال قراءة بيانات تتبع حركة العين عبر دمج المعرفة بسلوك القراءة وتأجيل القرارات غير اليقينية، مما يغلق فجوة الأداء بين التحليل عبر الإنترنت والتحليل دون اتصال بالإنترنت مع تحسين الدقة بشكل كبير في مجموعات البيانات الصعبة مثل قراءة الأطفال.
تقترح هذه الورقة إطار عمل ثنائي المسار يجمع بين تعزيز البيانات التوليدي عبر تخليق الفيديو وشبكة عصبية رسومية معززة دلالياً لتحسين التنبؤ بحوادث المرور في القيادة الذاتية، وهو ما تم التحقق من صحته بواسطة مجموعة بيانات مرجعية شاملة تم إصدارها حديثاً.
تقترح هذه الدراسة إطاراً تنبؤياً قوياً لتلوث المياه الجوفية بالمعادن الثقيلة في حوض دنسو، يدمج تحويلات كوبولا غاوس مع التعلم الآلي الجماعي المعتمد على التحقق المتقاطع المتداخل للتغلب على قيود الطرق التقليدية ونمذجة مؤشر تلوث المعادن الثقيلة الملتوي بدقة.
تقدم هذه الورقة طريقة لتحويل مواصفات ذاكرة الوصول العشوائي الديناميكية (DRAM) من اللغة الطبيعية تلقائياً إلى تمثيل رسمي يسمى DRAMPyML لتمكين مهام التحقق من التصميم من البداية إلى النهاية، مصحوبة بإصدار مجموعة بيانات DRAMBench لتقييم قدرات الصياغة الرسمية التلقائية للأجهزة.