27827 ورقة بحثية
تُثبت هذه الورقة أن بنية التعلم المعزز النمطية المستوحاة من الحشرات، والتي تُجزئ التحكم إلى دوائر متخصصة متفاعلة بدلاً من متحكم مركزي واحد، تتفوق على نماذج الـ MLP والـ GRU المتجانسة في مهام الملاحة المعقدة التي تنطوي على أهداف سلوكية متنافسة.
تقترح هذه الورقة نموذج انتشار متعدد الوسائط غير مشروط يستفيد من المعلومات المتكاملة بين بيانات الضوء المستقطب (PL) وحيود الإلكترونات المرتدة (EBSD) لإجراء عمليات التحسين الفائق، وإزالة الضجيج، والتنبؤ بحدود الحبيبات، مما يؤدي بفعالية إلى إعادة بناء معلومات EBSD عالية الجودة من مدخلات منخفضة الدقة أو تالفة.
تُعد أخذ العينات بالرفض المرن (PRS) نهجاً جديداً يستخدم مُقدِّر النواة لتعلم مقترح أخذ عينات، مما يوفر وسيلة تُنتج عينات مستقلة ومتماثلة التوزيع ذات احتمالية عالية مع ضمان عدد معين من العينات المقبولة.
تقدم الورقة البحثية PrivUn، وهو إطار تقييم يكشف أن أساليب نسيان النماذج اللغوية الكبيرة الحالية تعاني من "النسيان الضحل" و"تأثيرات التموج المدفوعة بالتدرج"، وتقترح استراتيجيات جديدة تتضمن الاختيار المدرك للارتباط والتدخل متعدد الطبقات لتحقيق نسيان خصوصية أكثر عمقاً ومتانة.
يُعد HGQ-LUT نهجًا جديدًا للتدريب المدرك لجدول البحث عن جداول البحث (LUT) يتيح نشر الشبكات العصبية على مصفوفات البوابات المنطقية القابلة للبرمجة ميدانيًا (FPGAs) بشكل سريع وآلي وفعال من حيث الأجهزة، وذلك عبر تسريع التدريب بأكثر من 100 مرة وتوفير سير عمل متكامل لتحسين المقايضات بين الدقة والموارد.
تُظهر الورقة البحثية أنه بالنسبة لتوليد الكود البرمجي بنماذج تتراوح معلماتها بين 1 و3 مليارات، فإن دمج التغذية الراجعة من التنفيذ عبر حلقة تحسين ذاتي بسيطة يوفر مكاسب في الأداء أكبر بكثير من زيادة تعقيد خط الإنتاج أو البنية الطبوغرافية.
تقدم الورقة البحثية إطار تحليل الصوت والفيديو واللفظ (AVVA)، وهو نهج منهجي قابل للتوسع يدمج التفسير النوعي مع النمذجة الكمية لتحويل الخطاب الصفي متعدد الوسائط إلى مجموعات بيانات دقيقة وموثقة من خلال عملية تثليث وتقييم استقرار متعددة الخطوات.
يقدم LTB-KAN بنية شبكة كولموغوروف-أرنولد (Kolmogorov-Arnold Network) مبتكرة تحقق تعقيداً زمنياً خطياً وتقليلاً في أعداد المعلمات من خلال استبدال حسابات B-spline المكثفة بنهج base-spline أكثر كفاءة واستخدام تحليل مصفوفة حاصل الضرب لمجموع العناصر (product-of-sums matrix factorization).
تقترح الورقة لغة توصيف رسمي تسمى "عقود النواة" (Kernel Contracts) لتحديد وقياس والتحكيم في التباينات في سلوك نواة تعلم الآلة عبر منصات الأجهزة المختلفة من خلال توفير إطار عمل معياري لتحديد أخطاء الدقة، والترتيب، والذاكرة.
تقترح هذه الورقة إطار عمل مبتكر يدمج بين شبكات الخصومة التوليدية السببية (Causal GANs) وتعلم التعزيز بآلية الممثل-الناقد الناعم (Soft Actor-Critic) لتوليد بيانات عوائد سندات اصطناعية عالية الدقة، والتي تتم معالجتها لاحقاً بواسطة نموذج لغوي كبير (LLM) مضبوط بدقة لإنتاج إشارات تداول وتقييمات مخاطر قابلة للتنفيذ، مما يحقق دقة تنبؤ وربحية فائقتين.