27673 ورقة بحثية
تقدم الورقة البحثية "PermaFrost-Attack"، وهي طريقة مبتكرة لبذر التمهيد الخفي (SPS) تقوم بدمج "ألغام منطقية" كامنة في النماذج اللغوية الكبيرة عبر توزيع حمولات مسمومة صغيرة تبدو حميدة عبر الويب ليتم امتصاصها أثناء التدريب، وتقترح مجموعة من التشخيصات الهندسية للكشف عن هذه الثغرات الكامنة.
يقدم FedSPDnet إطاري تعلم اتحادي مدركين للهندسة، وهما ProjAvg وRLAvg، المصممين للحفاظ على السلامة الهيكلية للمصفوفات المتماثلة والموجبة المحددة (SPD) أثناء عملية التجميع، متفوقاً بذلك على الطرق القياسية في مهام معالجة إشارات تخطيط كهربائية الدماغ (EEG).
تبحث هذه الورقة في استخدام الـ TopK والـ Ordered Sparse Autoencoders (SAEs) لتفسير وتوجيه نماذج لغة الأجسام المضادة ذات التوليد الذاتي، حيث وجدت أنه بينما تعد الـ TopK SAEs أفضل في رسم خرائط المفاهيم البيولوجية، فإن الـ Ordered SAEs أكثر فعالية في التوجيه التوليدي الدقيق.
تقترح الورقة البحثية طريقة التصنيف التكراري المعزز (RIC)، وهي طريقة تستبدل المحاكاة الخاضعة للإشراف القياسية بنهج التعلم التعزيزي لتمكين وجود مصنف في أي وقت يخصص الحوسبة بشكل تكيفي ويحقق معايرة أفضل من خلال تحسين تنبؤاته بشكل تكراري.
تُعد jBOT طريقة للتدريب المسبق عبر التقطير الذاتي لبيانات نفاثات مصادم الهادرونات الكبير (LHC)، حيث تتعلم التمثيلات الدلالية من خلال الجمع بين التقطير على مستوى الجسيمات محلياً وعلى مستوى النفاثة كلياً، مما يُمكّن من ظهور تكتل فئوي يحسن الأداء في مهام اكتشاف الشذوذ والتصنيف اللاحقة.
تقدم هذه الورقة DiaData، وهي قاعدة بيانات متكاملة واسعة النطاق تضم 149 مليون قياس لمستوى الغلوكوز من 2,510 شخصاً، صُممت لتعزيز أبحاث السكري من النوع الأول عبر توفير مجموعات بيانات شاملة لتعلم الآلة والكشف عن ارتباط بين تغيرات معدل ضربات القلب ونقص سكر الدم الوشيك.
تُقيّم هذه الدراسة بشكل منهجي كيفية تأثير خمس تقنيات مختلفة لتقليل الأبعاد على أداء أربع خوارزميات تجميع رئيسية عبر مستويات تقليل متنوعة، وتخلص إلى أن الاختيار الأمثل يعتمد بشكل كبير على هندسة البيانات المحددة وطريقة التجميع المستخدمة.
تقترح هذه الورقة نظاماً يستخدم نماذج الذكاء الاصطناعي التوليدي — وتحديداً WGAN-GP ونموذج انتشار (Diffusion model) معدلاً — لإنشاء تسلسلات عمليات برمجية (opcode) خبيثة اصطناعية عالية الدقة، مما يحسن بشكل كبير أداء التصنيف لفئات البرمجيات الخبيثة الأقلية ومعدلات الكشف الإجمالية في مجموعات البيانات غير المتوازنة.
تُظهر الورقة البحثية أن الجمع بين الضبط الدقيق الخاضع للإشراف على نماذج توضيحية ضعيفة وبين التعلم المعزز يمكن أن يحد بفعالية من سلوك "التدني في الأداء" (sandbagging) في النماذج اللغوية الكبيرة، بشرط أن تكون عملية التدريب غير قابلة للتمييز عن مرحلة التشغيل الفعلي.
تقدم الورقة البحثية SQUEAK، وهي خوارزمية جديدة لانحدار ريج (kernel ridge regression) تعمل على تحسين طريقة INK-Estimate من خلال استخدام درجات الرافعة لـ "ريج" غير المعيرة لتحقيق تقريب نيستروم (Nystrom approximation) أبسط وأكثر كفاءة في استهلاك المساحة يتجنب الاعتماد على أكبر قيمة ذاتية.