22512 ورقة بحثية
يُعد CircuitSteer إطار عمل مبتكرًا يستفيد من المشفِّرات التلقائية المتفرقة (Sparse Autoencoders) لتحديد ومعالجة الدوائر الدلالية متعددة الطبقات والمتوافقة هندسيًا، مما يتيح تحكمًا سلوكيًا قويًا ومحافظًا على الطلاقة في النماذج اللغوية الكبيرة يتفوق على أساليب التوجيه الحالية أحادية الطبقة.
تقترح هذه الورقة البحثية "خسارة المتغيرات المتقاطعة" (CvLoss)، وهي منظم بنيوي يعالج الفجوة في الأهداف في التنبؤ المباشر من خلال تقييد التبعيات بين المتغيرات المتقاطعة صراحةً في التنبؤات المستقبلية، مما يؤدي إلى تحسين أداء نماذج التنبؤ بالسلاسل الزمنية متعددة المتغيرات.
تقدم هذه الدراسة وتتحقق من صحة إطار عمل للنمذجة التنبؤية المقيدة بالشكل، والذي يستفيد من الجسيمات النانوية البديلة منخفضة التكلفة والمعرفة الخبيرة لتقدير خصائص الطب النانوي بدقة، مما يقلل بشكل كبير من الوقت والتكلفة المرتبطين بالتحسين التجريبي لعمليات التصنيع بالتدفق المستمر.
تقدم الورقة البحثية SR-JEPA، وهي بنية تنبؤية ذات تضمين مشترك أصلية في النقاط (point-native) تتعلم حالة كامنة تركيبية وقابلة للاستعلام للمشاهد ثلاثية الأبعاد من خلال التنبؤ بتمثيلات الكائنات المفقودة دون الاعتماد على إعادة البناء، أو الملصقات الدلالية، أو الميزات ثنائية الأبعاد، محققةً أداءً قويًا في مهام الهوية الدلالية وكشف الكائنات.
تقدم الورقة البحثية VSMP-IMU، وهو إطار عمل يعتمد على الفيديو لتوليد بيانات مستشعرات القصور الذاتي (IMU) اصطناعية قابلة للتحكم باستخدام برامج الحركة الدلالية المهيكلة للتغلب على ندرة البيانات وتحسين أداء التعرف على الأنشطة البشرية القابلة للارتداء بشكل كبير عبر سيناريوهات نقص الموارد، وعدم التوازن، وتعميم الأشخاص.
يُعد GROM طريقة مبتكرة لتعلم الآلة غير المعتمد على التراجع (unlearning)، وهي طريقة من خطوة واحدة وخالية من التدرج، تستنتج تحديثًا تحليليًا مغلق الصيغة لتطهير المعرفة الحساسة بسرعة وبشكل دائم من النماذج اللغوية الكبيرة مع الحفاظ على الفائدة ومقاومة هجمات الاسترداد القائمة على التكميم.
تقترح هذه الورقة طريقة للتنبؤ بصعوبة المهمة مباشرة من أوصاف المهام دون تنفيذ عمليات محاكاة (rollouts) مكلفة عبر 17 معياراً متنوعاً للوكلاء، مما يثبت أن الإنتروبيا على مستوى الرمز (token-level entropy) تعمل كإشارة تنبؤية موثوقة بينما تكشف عن قصور المقاييس التقليدية مثل المساحة تحت المنحنى (AUC) وتظهر عيوباً خفية في البيئة.
تقدم هذه الورقة البحثية KVAE، وهي عائلة من أجهزة الترميز (tokenizers) عالية الأداء للصوت والصورة والفيديو، والتي تحقق جودة في إعادة البناء والتوليد تضاهي أو تتفوق على النماذج مفتوحة المصدر الرائدة، مع توفير تفاصيل تدريب شاملة ورموز برمجية لتسهيل استخدامها في النماذج التوليدية متعددة الوسائط المشروطة بالنص.
تُظهر هذه الورقة أن تقنية التقطير التفاضلي في السياسة نفسها (OPD)، التي تستفيد من فجوة الاحتمالية بين المعلم بعد التدريب والنموذج الأساسي، تعزز بشكل كبير الاستدلال الرياضي متعدد اللغات في الكورية واليابانية مع تضييق فجوات الأداء، رغم أنها تؤكد على ضرورة وجود بيانات متعددة اللغات لمنع التحولات في الاستجابة نحو المركزية الإنجليزية.
تقدم هذه الورقة إطار عمل للتعلم من أجل الترتيب يستخدم نماذج تعزيز التدرج المدربة على بيانات أداء وحدة معالجة الرسومات لاختيار خطط تقليص الشبكة الموتر المثلى بكفاءة لمحاكاة الدوائر الكمومية، مما يظهر تحسناً في جودة القرار مقارنة بالنماذج المرجعية التقليدية مع الحفاظ على المتانة عبر مختلف بنيات وحدات معالجة الرسومات.