27306 ورقة بحثية
إن PhyCo هو إطار عمل يوسع نماذج انتشار الفيديو بحركات قابلة للتحكم ومتسقة فيزيائياً من خلال مجموعة بيانات محاكاة ضخمة، والضبط الدقيق الخاضع للإشراف الفيزيائي باستخدام ControlNet، وتحسين المكافأة الموجه بواسطة نماذج اللغة والرؤية (VLM) لتوليد سلوكيات فيزيائية واقعية دون الحاجة إلى أجهزة محاكاة أو إعادة بناء هندسي أثناء الاستنتاج.
إن Strait هو نظام لخدمة استدلال تعلم الآلة يعمل على تحسين تلبية المواعيد النهائية للمهام ذات الأولوية العالية في ظل الاستخدام العالي لوحدات معالجة الرسومات من خلال توظيف نموذج تنبؤ تكيفي لمراعاة تنازع نقل البيانات وتداخل النواة، مما يتيح جدولة فعالة تراعي الأولويات.
تقدم هذه الورقة البحثية "الحواسيب الاصطناعية على نطاق واسع"، وهي منهجية لتوليد بيئات حاسوبية افتراضية واقعية وغنية بالمحتوى لتشغيل محاكاة إنتاجية طويلة الأمد تعمل على تحسين أداء الوكيل بشكل كبير من خلال إشارات تعلم تجريبية غنية، مما يوفر أساساً قابلاً للتوسع للتعلم التعزيزي الوكيل المستقبلي عبر سياقات مهنية متنوعة.
تقدم هذه الورقة مفهوم توازن مضمون الوجود يقلل من حوافز الانحراف الائتلافي (تحديداً المكاسب المتوسطة أو القصوى) بدلاً من اشتراط تلاشيها، مما يوفر خوارزمية قابلة للحوسبة وطريقة لحل جبهة رفاهية القابلية للاستغلال، وذلك على النقيال من مفاهيم التوازن القوي غير الموجودة ومتغيرات الحد الأدنى للمكاسب المستعصية حوسبياً.
تقدم الورقة البحثية KASBA، وهي خوارزمية جديدة وقابلة للتوسع لتجميع السلاسل الزمنية، تستفيد من مسافة "النقل-التقسيم-الدمج" (Move-Split-Merge) والاشتقاق الفرعي العشوائي لتحقيق توازن متفوق بين دقة التجميع العالية وتقليل وقت التشغيل بشكل كبير مقارنة بالطرق الحالية المتطورة.
تقدم الورقة البحثية L2RU، وهي فئة جديدة من نماذج فضاء الحالة الهيكلية التي تضمن استقرار المدخلات والمخرجات والمتانة من خلال حدود كسب محددة عبر معاملات متخصصة، مما يتيح التحسين غير المقيد ويُظهر أداءً فائقاً في تحديد الأنظمة غير الخطية مقارنة بالبنيات الحالية.
تُثبت هذه الورقة أن الشبكات العصبية العميقة المستوحاة من الكم (QDNNs) توفر دقة تنبؤية فائقة وعدم يقين أكثر إحكاماً مقارنة بالطرق الكلاسيكية لاستخراج عوامل فورما كومبتون من بيانات مختبر جيه لابس (JLab) التجريبية، مما يرسخها كأداة فعالة للدراسات متعددة الأبعاد المستقبلية للبنية الهادرونية.
تتقصى هذه الورقة البحثية تأثير التكميم على استرجاع المعرفة الواقعية في النماذج اللغوية الكبيرة، كاشفةً أنه بينما يتسبب التكميم عموماً في فقدان المعلومات وتدهور الأداء — لا سيما في النماذج الأصغر — إلا أنه لا يضعف الاسترجاع دائماً ويمكنه أحياناً تعزيزه، حيث أظهرت BitSandBytes أعلى مستوى من الحفاظ على القدرات الأصلية.
يقدم هذا المسح التقني نظرة عامة دقيقة رياضياً على التعلم المعزز الآمن والتعلم المعزز الآمن متعدد الوكلاء استناداً إلى عمليات ماركوف لاتخاذ القرار المقيدة، مع مراجعة الأسس النظرية والخوارزميات الحديثة واقتراح خمس مشكلات بحثية مفتوحة لتوجيه التطورات المستقبلية.
تقدم هذه الورقة البحثية خوارزمية DB-KSVD، وهي خوارزمية تعلم القواميس القابلة للتوسع التي تطوع طريقة KSVD الكلاسيكية لفك تشابك التضمينات عالية الأبعاد في نماذج المحولات الضخمة بكفاءة، مما يظهر أداءً تنافسياً مع المشفّرات التلقائية المتناثرة مع إثبات فعالية مناهج التحسين التقليدية لقابلية التفسير الآلي.