27853 ورقة بحثية
تقدم الورقة البحثية "Math Takes Two"، وهو معيار مرجعي جديد مصمم لتقييم ما إذا كانت النماذج اللغوية قادرة على إظهار استنتاج رياضي ناشئ حقيقي من خلال تكليف وكيلين بتطوير بروتوكول رمزي مشترك لحل مشكلات قائمة على أسس بصرية من المبادئ الأولى.
تقترح هذه المساهمة إطار عمل للتعلم التلوي المنظم الذي يعزز القدرة على التعميم والكفاءة الحسابية في أنظمة المجموعات العميقة من خلال الجمع بين إلغاء التكرار الواعي بالوفرة، وتعزيز الميزات الإحصائية، والنماذج التلوية المنظمة والمتحقق منها عبر التحقق المتقاطع لتحقيق أداء تنبؤي فائق مع تقليل وقت التشغيل وتحسين تكييف المصفوفات.
تقدم هذه الورقة LATMiX، وهي طريقة توظف تحويلات تآلفية عكسية قابلة للتعلم لتحسين توزيعات التنشيط من أجل التكميم المجهري (MX)، مما يحسن بشكل كبير من دقة النماذج اللغوية الكبيرة ذات البتات المنخفضة مقارنة بالأساليب القائمة على الدوران أو هادامارد.
تُثبت هذه الورقة أن "لعنة العمق"، حيث تساهم مجموعة فرعية فقط من الطبقات بشكل كبير في أداء المهمة بينما تقدم الطبقات الأخرى تحسيناً تدريجياً، هي عدم كفاءة واسعة الانتشار عبر بنيات نماذج لغة البروتين المتنوعة، بما في ذلك النماذج ذات التوليد الذاتي، والنماذج المقنعة، ونماذج الانتشار متعددة الوسائط.
من خلال توظيف سير عمل مبتكر يجمع بين خوارزمية XGBoost الموزونة جغرافياً ونماذج الإضافة المعممة (GAM) في سنغافورة، تُظهر هذه الدراسة أن درجة حرارة سطح الأرض (LST) تفشل في رصد الإجهاد الحراري البشري (UTCI) بشكل كافٍ لأنها تغفل محركات فسيولوجية حاسمة مثل التظليل وعامل رؤية السماء، مما يسلط الضوء على الحاجة إلى مقاييس أكثر تركيزاً على الإنسان في التخطيط الحضري المتكيف مع المناخ.
تقترح هذه الورقة طريقة خالية من التدريب للتصنيف القوي عبر اشتقاق درجة حرارة "softmax" مثلى بناءً على أبعاد الميزات، والتي يتم تنقيحها من خلال معاملات تجريبية وطبقة تطبيع الدفعات لاستقرار الأداء عبر النماذج ومجموعات البيانات المتنوعة.
تقترح هذه الورقة البحثية "الحد الأدنى الواعي بالحدة المفلتر بمعامل زد-سكور" (Z-Score Filtered Sharpness-Aware Minimization)، وهي طريقة تعزز القدرة على التعميم من خلال تطبيق تصفية قائمة على معامل زد-سكور للاحتفاظ فقط بمكونات التدرج الأكثر أهمية خلال خطوة الاضطراب، مما يؤدي إلى تقليل الضجيج وتحسين دقة الاختبار باستمرار عبر مختلف مجموعات البيانات والبنيات مقارنة بمتغيرات الحد الأدنى الواعي بالحدة الموجودة.
تقترح هذه الورقة اختباراً إحصائياً جديداً من نوع (K-fold CUBV) يجمع بين التحقق المتقاطع (K-fold cross-validation) والحدود العليا البايزية (Bayesian upper bounds) ومتباينات التركيز (concentration inequalities) لتوفير معيار قوي للتحقق من دقة تعلم الآلة وكشف التأثيرات مع تجنب الإيجابيات الكاذبة الزائدة، لا سيما في سيناريوهات أحجام العينات الصغيرة والبيانات غير المتجانسة.
تقدم هذه الورقة MinkUNeXt-VINE، وهي طريقة تعلم عميق خفيفة الوزن تستخدم تعلم تمثيل ماتريوشكا (Matryoshka Representation Learning) لتحقيق التعرف على المواقع عبر ليدار (LiDAR) بشكل قوي وفي الوقت الفعلي في بيئات مزارع الكروم غير المهيكلة باستخدام مدخلات متفرقة ومنخفضة التكلفة.
تقدم هذه الورقة البحثية VFM-VAE، وهو نهج مبتكر يستفيد من نماذج الرؤية التأسيسية المجمدة كأجهزة ترميز مباشرة لنماذج الانتشار الكامن دون الحاجة إلى التقطير، محققاً جودة فائقة في توليد الصور وتسريعاً في التدريب بمقدار 10 أضعاف مقارنة بالطرق السابقة.