27461 ورقة بحثية
تعيد هذه الورقة تفسير نجاح "ألفافولد" (AlphaFold) من خلال إثبات أن دالة طاقة الوضع التي تعلمها ليست مجرد تقريب استدلالي، بل هي تطبيق مبدئي للحركية الاحتمالية (تكييف جيفري)، مما يوفر أساساً بايزياً رسمياً لتنبؤاته البنيوية.
يُعد ODE-GS إطار عمل مبتكر يتيح الاستقراء المستقبلي للمشاهد ثلاثية الأبعاد الديناميكية في وقت مستمر من خلال نمذجة مسارات معاملات غاوس ثلاثية الأبعاد كديناميكيات كامنة تتطور عبر المعادلات التفاضلية العادية (ODEs) العصبية.
تُوصّف هذه الورقة فضاءات هيلبرت ذات النواة المستنسخة (RKHS) ونعومة مسار العينة لنواة التماس العصبي (NTK) والعمليات الجاوسية للشبكات العصبية (NNGP) لفئة واسعة من دوال التنشيط غير السلسة، كاشفةً كيف يحدد عدم سلاستها عند الصفر اعتماد النواة الناتجة على العمق.
يُعد FedRef إطار عمل للضبط الدقيق البايزي للتعلم الاتحادي غير المتجانس، والذي يستخدم نموذجاً مرجعياً في جانب الخادم وتنظيماً قائماً على تقدير الاحتمال الأقصوي (MAP) للتخفيف من النسيان الكارثي وتقليل العبء الحسابي في جانب العميل.
تقدم هذه الورقة الإصدار 2.0.0 من مجموعة بيانات 3W، وهي مورد متاح للجمهور للسلاسل الزمنية متعددة المتغيرات والموسومة من قبل خبراء، تحتوي على أحداث حقيقية نادرة وغير مرغوب فيها في آبار النفط، صُممت لتطوير منهجيات الكشف المبكر القائمة على الذكاء الاصطناعي وتخفيف المخاطر الاقتصادية والبيئية ومخاطر السلامة في الصناعة.
تؤسس هذه الورقة نظرياً إلى أن البنى العصبية التي تستخدم ديناميكيات من نوع شرودنغر ذات النقطة الثابتة على رسوم بيانية كامنة متعلمة هي مكافئة لأنظمة مستقرة عالمياً على رسوم بيانية فوقية، مما يوفر إطاراً موحداً يربط هذه النماذج بالبنى القائمة على الحزم ويضمن أن التعقيد محكوم بالهندسة البيانية المتفرقة بدلاً من الاتصال الكثيف.
تقترح هذه الورقة أن استدلال "سلسلة الأفكار" (CoT) ليس علامة على ذكاء حقيقي، بل هو انعكاس هش لانحيازات استقرائية متعلمة تنجح فقط عندما تتوافق استعلامات الاختبار مع توزيع بيانات التدريب، وتفشل عند مواجهة تحولات في التوزيع.
يعمل RegMean++ على تحسين نهج دمج النماذج RegMean من خلال دمج التبعيات داخل الطبقة وعبر الطبقات في هدف الانحدار، مما يؤدي إلى فعالية وتعميم فائقين عبر المهام المتنوعة وتحولات التوزيع.
تقترح هذه الورقة طريقة تحسين ثنائية المستوى باستخدام مُقدّر العبور المباشر (Straight-Through Estimator) والتنظيم التبايني المتعلم لتصميم أنماط إضاءة ثنائية محددة للمهام في التصوير أحادي البكسل، مما يظهر أداء إعادة بناء فائقاً في سيناريوهات نقص البيانات ونقص أخذ العينات الشديد.
تستكشف هذه الورقة كيف يمكن للشبكات الميمرستورية ذاتية التنظيم أن تستفيد من الديناميكيات غير الخطية الجوهرية ومبادئ الفيزياء الإحصائية لإنشاء أنظمة تعلم فيزيائية شبيهة بالدماغ وموفرة للطاقة من أجل الذكاء الحافي في الوقت الفعلي.