22512 ورقة بحثية
تقدم الورقة البحثية LaPrune، وهي طبقة قابلة للتفاضل ذات ميزانية دقيقة رياضياً تتيح التحكم في التناثر في النماذج ذات المقياس المليوني من خلال استخدام حاجز LapSum وقيد العزم الثاني الموحد لتحقيق اختيار (top-) صلب مع الحفاظ على كتلة الاختيار وضمان تدفق التدرج.
تُعد SJEPA بنية تنبؤية للتمثيل المشترك خالية من إعادة البناء، تتعلم ديناميكيات كامنة أنيقة عبر الجمع بين القوانين الرمزية والتصحيحات العصبية المنتظمة، مما يفرض مقايضة قابلة للتحكم بين دقة التنبؤ، وجودة التمثيل، والاقتصاد الرمزي، مع منع انهيار التمثيل من خلال ضغط المؤثرات.
تقترح هذه الورقة إطار عمل "ترانسفورمر" للرسوم البيانية الزمكانية يجمع بين الشبكات العصبية الرسومية للارتباطات المكانية وآليات الانتباه الذاتي للاعتمادات الزمنية طويلة المدى لتحقيق تنبؤ مروري فائق في الحوسبة الطرفية، مما يتيح إدارة استباقية أكثر فعالية للموارد مقارنة بالنماذج المتكررة الحالية.
تقدم الورقة البحثية SpecDrop، وهي آلية توجيه خالية من المعلمات تُظهر أن مكاسب الأداء في بنيات "خليط الخبراء" (Mixture-of-Experts) تنبع أساساً من مواءمة دقة إشارة التدريب مع الفئات المستهدفة بدلاً من خوارزميات التوجيه المتعلمة، كما يتضح من نجاحها في مهام التصنيف دقيق التفاصيل وفشلها في التفوق على النماذج المرجعية في البيانات الضبابية متعددة الفئات.
تقدم الورقة البحثية InvFlowFD، وهو مقياس إدراكي لجودة الموسيك لا يعتمد على مرجع ولا على مجموعة خلفية، يستفيد من عملية قلب مطابقة التدفق غير المشروطة لتقدير جودة الصوت بدقة وترتيب النماذج التوليدية في توافق قوي مع الإدراك البشري.
تُعد LiNC طريقة خفيفة الوزن لتصحيح الضجيج في التصوير الطبي، حيث تتعلم معاملات ثقة لكل عينة لدمج التسميات المرصودة مع تنبؤات النموذج ديناميكيًا، باستخدام نموذج الخليط الغاوسي لتحديد وتصحيح التسميات الضوضائية مع الحفاظ على عبء حسابي ضئيل للغاية.
تقدم هذه الورقة BrainBench، وهو معيار شامل مصمم لتقييم قدرة النماذج اللغوية الكبيرة على إجراء تحليل لتخطيط كهربائية الدماغ (EEG) المشروط بالتعليمات من خلال دمج معالجة الإشارات، والأدلة الكمية، والتفسير العلمي عبر مجموعات بيانات ونماذج تنفيذ متنوعة.
تقدم هذه الورقة البحثية MINT، وهي طريقة لتنقيب بيانات السلاسل الزمنية تستخدم مصفوفات تشابه ذاتي موترية مشتقة من مخططات تكرار متراكمة لتحديد الأنماط والزخارف المتكتلة بشكل مشترك بفعالية عبر مجموعات بيانات متنوعة أحادية ومتعددة المتغيرات.
تُبين هذه الورقة أن سقف عدد الرموز المخرجة (output-tokens) الثابت يعمل كمتغير تجريبي خفي يؤدي إلى تضخيم أو عكس فجوات الاستدلال متعدد اللغات المقاسة بشكل مصطنع، وتجادل بأن التقييمات يجب أن تبلغ عن الدقة عبر طيف من ميزانيات المخرجات بدلاً من الاكتفاء بسقف واحد للتمييز بين العجز الحقيقي في الاستدلال وبين آثار الاقتطاع.
تقترح هذه الورقة إطار عمل للدمج العصبي الرمزي خالٍ من المعرفة بالمجال، يستفيد من مجمعات ناقلات التسمية والاستنباط القائم على الاتساق لدمج كواشف "ViT" سابقة التدريب بشكل قوي، محققاً أداءً فائقاً على نماذج التصويت بالأغلبية المرجعية في ظل كل من التحولات التوزيعية والهجمات العدائية المنسقة.