22512 ورقة بحثية
تقدم هذه الورقة البحثية طريقة SCORE، وهي طريقة "شبه نيوتن" (quasi-Newton) مستوحاة من مفهوم التوافق الذاتي (self-concordance)، تستخدم هندسة "القطعية الثانية المزاحة والمترابطة بالنقص" (decrement-coupled shifted secant) لتثبيت التدريب وتحقيق أخطاء أقل في المعادلات التفاضلية الجزئية المعقدة دون الحاجة إلى بناء مصفوفة "هيسيان" (Hessian) صريحة.
تقترح هذه الورقة إطار عمل للميزات العشوائية قابل للتوسع باستخدام إسقاطات رتبة واحدة محدودة لتقريب نوى غراسمان المغايرة للدوران بكفاءة، مما يتغلب على التكاليف الحسابية والذاكرة الباهظة للطرق الكلاسيكية لمجموعات بيانات الفضاءات الجزئية واسعة النطاق.
تقترح هذه الورقة البحثية نموذج النقل الأمثل "جروموف-واسرشتاين" الإنتروبي ذو النواة المشتركة (JK-EGW)، وهو إطار عمل قابل للتوسع يعمل على محاذاة الأنماط المتعددة في فضاء كامن مشترك من خلال تقليل هدف النقل الأمثل التربيعي على نواة تقارب دقيقة، مما يحقق أداء استرجاع محسّن في ظل ظروف ندرة البيانات مع تقديم ضمانات نظرية حول تعقيد العينات.
تُثبت هذه الورقة أن نظرية جبر لي الديناميكي تفشل في التنبؤ بسلوك مشهد الخسارة لخوارزمية QAOA الضحلة لمسألة المجموعة المستقلة القصوى، مما يكشف عن وجود "تضاريس وعرة" ذات تباينات تدرج متزايدة حدودياً بدلاً من الهضاب القاحلة، وتقترح الحاجة إلى نماذج مستنيرة تجريبياً بدلاً من التنبؤات النظرية التقاربية.
يُعدُّ PrivDyG إطار عمل للحفاظ على الخصوصية في الاستدلال على الرسوم البيانية الديناميكية، حيث يجمع بين التعلم الهيكلي القائم على الشبكات العصبية الرسومية (GNN) والاستدلال الدلالي القائم على النماذج اللغوية الكبيرة (LLM) لتحقيق خصوصية تفاضلية على مستوى الحافة بتكلفة تراكمية ثابتة، متفوقاً بشكل ملحوظ على النماذج المرجعية الحالية في المنفعة مع الحد من تراكم فقدان الخصوصية.
تقدم هذه الورقة إطار عمل RAIL (الاستدلال، والضمانات، والواجهات، والتعلم) كمنظور موحد لتحليل وتصميم أنظمة الذكاء الاصطنا-رمزي الموثوقة والجديرة بالثقة التي تدمج تعلم الآلة مع الاستدلال الصوري عبر تطبيقات متنوعة.
تقدم هذه الورقة إطار عمل يستخدم هجمات عدائية متكافئة دلالياً لتوضيح أن النماذج اللغوية الكبيرة ذات الحالة المتطورة لا تزال عرضة بشدة للهلوسة الجوهرية، حيث تؤدي اضطرابات الاستعلام التي تحافظ على المعنى إلى تدهور قدرتها بشكل كبير على الاستخدام الأمين للأدلة المسترجعة.
تقدم هذه الورقة أول خوارزمية لحصر مجموعات راشون (Rashomon) لأشجار القرار بدقة عبر الميزات المستمرة من خلال الاستفيد من بنيتها المرتبة، إلى جانب طرق تقريبية وطرق "في أي وقت" (anytime) تتفوق بشكل كبير على النهج القائمة على التثنيت (binarization) الحالية من حيث السرعة والدقة مع الكشف عن التعدد التنبؤي الحرج.
تقدم الورقة البحثية Trident، وهو إطار عمل لاختبار الاختراق القائم على الوكلاء للنماذج اللغوية الكبيرة (LLM) يستفيد من بنية "البرمجية كسياسة" (Code-as-Policy) في التعلم المعزز مع التغذية الراجعة من المخرأ (RLVR) لتوليد استراتيجيات هجوم تكيفية، مما يكشف أن دفاعات الأمن السيبراني الحالية القائمة على التعلم المعزز العميق هشة جوهرياً ويتم التفوق عليها بسهولة من قبل التهديدات الديناميكية مقارنة بالنماذج المرجعية الاستدلالية الثابتة.
تقدم هذه الورقة البحثية \textsc{Lexi-LowGLM}، وهي خوارزمية عبر الإنترنت فعالة لمتعددات الأهداف ذات الأولوية المتعددة في مسألة "بانديت" المصفوفات منخفضة الرتبة المعممة، والتي تحقق حداً للندم المعجمي يعتمد على بُعد الرتبة المنخفضة الفعال مع تقليل تعقيد تحديث المُقدِّر من إلى عبر خطوات نيوتن عبر الإنترنت.