22512 ورقة بحثية
تقترح هذه الورقة إطار عمل للتعلم التعزيزي قائم على تحسين السياسة القريبة (PPO) لتجنب الاصطدام الذاتي للأقمار الاصطناعية في المدارات المزدحمة، والذي يحقق معدل نجاح بنسبة 97.5% في سيناريوهات المدارات الأرضية الجغرافية الثابتة الحتمية، متفوقاً بشكل كبير على المخططات التقليدية القائمة على القواعد ومخططات تغيير السرعة المتجهة (delta-v) النبضية.
تقيم هذه الدراسة بشكل منهجي 32 نموذجاً تأسيسياً للكشف عن هجمات عرض الوجه، وتجد أنه بينما يحقق التكيف القائم على تقنية LoRA أداءً قوياً داخل مجموعة البيانات نفسها، فإنه يفشل في حل مشكلات التعميم عبر مجموعات البيانات المختلفة، مما يشير إلى أن التمثيلات سابقة التدريب وبيانات التكيف أكثر أهمية من استراتيجيات الضبط الدقيق خفيفة الوزن.
تُثبت هذه الورقة أن المسابير الخطية (linear probes) المطبقة على التنشيطات الداخلية لنماذج الذكاء الاصطناٍ مفتوحة الأوزان يمكنها اكتشاف الثغرات الأمنية في الكود البرمجي بفعالية أكبر من توجيه النماذج ذاتها عبر الأوامر (prompting) لإنشاء أحكام أمنية صريحة، حتى في أنواع الثغرات التي لم تُشاهد أثناء التدريب.
تُعد FedOrbit إطار عمل للتعلم الاتحادي التكيفي المخصص والمصمم لكوكبات الأقمار الاصطناعية ذات المدار الأرضي المنخفض غير المتماثلة (non-IID)، والتي تجمع بين التدريب المستمر بين الأقمار الاصطناعية، والتجميع الهرمي المدرك للفئات، وتفكيك الميزات التكيفي لتتفوق بشكل كبير على النماذج المرجعية الحالية في الدقة والاتساق عبر مختلف اختبارات الاستشعار عن بعد.
تكشف هذه الورقة أن بروتوكولات التقييم القياسية لنماذج السلاسل الزمنية التوليدية غالبًا ما تفشل في مراعاة الكتل النقطية (مثل الأصفار)، مما يؤدي إلى معايير مرجعية مضللة حيث يمكن لهياكل البيانات غير المتطابقة أن تعكس الاستنتاجات، وحيث تتفوق نماذج "هيردل" ذات الانحدار الذاتي بشكل كبير على التدفقات الشرطية عند تقييمها باستخدام بروتوكولات دقيقة ومتطابقة.
تؤيد هذه الورقة استخدام الشبكات العصبية المدخلة المحدبة (ICNNs) كبدائل في التحسين الرياضي، حيث تُظهر بنيتها المحدبة قدرتها على توفير استرخاءات أكثر إحكاماً وخوارزميات "تفرع وتقليص" (branch-and-bound) أكثر كفاءة مقارنة بالشبكات التقليدية ذات التغذية الأمامية، مما يؤدي إلى تحسين أوقات الحل وقابلية التوسع للمشكلات ذات الاستجابات المحدبة أو المقعرة الكامنة.
تُظهر هذه الدراسة أنه بينما يمكن للتعلم العميق القائم على التصوير المقطعي بالإصدار البوزيتروني والتصوير المقطعي المحوسب (PET/CT) التنبؤ بطفرات سرطان الرئة غير الخلايا الصغيرة (NSCLC)، فإن فعالية التعلم متعدد الملصقات تتباين بشكل كبير اعتماداً على زوج الجينات المحدد الذي يتم نمذجته، حيث أظهر التنبؤ المشترك لـ KRAS وTP53 تحسناً مقارنة بالتصنيف أحادي الجين.
تقترح هذه الورقة إطار عمل FedAS-LoRA، وهو إطار تعلم اتحادي يختار بشكل تكيفي ما إذا كان سيشارك عامل LoRA من جانب المدخلات أو جانب المخرات عبر العملاء بناءً على مقياس جديد لـ "كفاية الفضاء الجزئي المشترك المدرك للرتبة" (RSS)، وبالتالي يقلل من بقايا الإسقاط ويعزز أداء الضبط الدقيق.
تقترح الورقة البحثية SR-OPSD، وهو إطار عمل جديد للتقطير الذاتي المرجعي ذاتي السياسة (self-referenced on-policy self-distillation) يعمل على استقرار التدريب من خلال فصل هدف التقطير التكيفي عن الهندسة الإسقاطية عبر توصيف تبايني على مستوى الرمز (token-level variational characterization) وتباعد ريني (Rényi divergence)، محققاً أداءً هو الأفضل في فئته عبر مهام النماذج اللغوية الكبيرة (LLM) المتنوعة.
تتناول هذه الورقة "مشكلة اللامركزية" عبر تقديم أنطولوجيا قائمة على الرسوم البيانية تُعرّف اللامركزية رسميًا كخاصية علاقاتية ومحددة موضوعيًا متميزة عن مجرد التوزيع، مصحوبة بمقاييس مبتكرة وأداة قائمة على المتصفح لتمكين تحليل متسق وغير مرتبط بنطاق محدد للأنظمة غير المتجانسة مثل التعلم الاتحادي والبلوكشين.