22512 ورقة بحثية
تكشف هذه الورقة أن مطابقة الدرجة لإزالة الضجيج (DSM) تعاني من تباين متغاير متأصل بسبب مستويات الضجيج وهندسة البيانات، وتقترح دالة وزن مشتقة نظرياً لتثبيت تباين التدريب مع تقديم تبرير للوسائل الاستدلالية الموجودة في نماذج الانتشار.
تقدم هذه الورقة صياغات رياضية دقيقة وخالية من العتبات، وخوارزميات فعالة لنطاقات التأثير السببي الأمامي والخلفي باستخدام الاستدلال السببي الاستيعابي، مما يتيح التحديد الدقيق للقدرة على التنبؤ والنسب السببي في الأنظمة الديناميكية غير الخطية المعقدة مع تطبيقات في علوم الأرض والسياسات.
يُعد PRISMA مُعاملًا عصبيًا انتشاريًا شرطيًا مبتكرًا يدمج بقايا المعادلات التفاضلية الجزئية مباشرة في بنية الانتباه الطيفي الخاصة به لتمكين الاستدلال الخالي من التدرج، محققًا بذلك حلولًا أسرع (15x–250x) وأكثر متانة للمعادلات التفاضلية الجزئية مقارنة بالطرق التقليدية القائمة على التحسين.
تقدم هذه الورقة البحثية التعلم التصنيفي المتزايد الواعي بالمرحلة (Stage-Aware Class-Incremental Learning) لمعالجة تحدي تعلم الفئات التي تخضع لتطور مورفولوجي بمرور الوقت، مقترحةً معيار Stage-Bench وإطار عمل STAGE للتخفيف بفعالية من كل من النسيان بين الفئات والتدهور على مستوى المرحلة داخل الفئة الواحدة.
تقترح الورقة البحثية MoECa، وهو إطار عمل للتخزين المؤقت دقيق الحبيبات يعمل على تسريع نماذج محولات الانتشار (Diffusion Transformers) باستخدام خليط من الخبراء (Mixture-of-Experts) عبر إجراء إعادة استخدام الميزات على مستوى فرع الخبير بدلاً من مستوى الرمز، مما يحقق تسريعاً يصل إلى 2.93 ضعفاً مع الحفاظ على جودة التوليد.
تُظهر هذه الدراسة المسجلة مسبقاً أن مكافآت التنبؤ الكثيفة في وكلاء النماذج اللغوية الكبيرة المدربة باستخدام خوارزمية (GRPO) غالباً ما تسبب انهياراً كارثياً للسياسة إلى "الغرف المظلمة" بسبب عيوب المعايرة بدلاً من محتوى الإشارة، مما يكشف أن سلامة وفعالية قنوات المكافأة تعتمد على آلية تقديمها وحجم النموذج بدلاً من القيمة الدلالية للمكافأة نفسها.
تُعد TabletCraft أول نظام مفتوح المصدر وثنائي الاتجاه يجسر الفجوة الثقافية التي بلغت 4,000 عام مع بلاد ما بين النهرين القديمة، وذلك من خلال تمكين المستخدمين من الترجمة بين الأكادية والإنجليزية وتجسيد الرسائل الجديدة في شكل ألواح طينية مسمارية، محققةً درجات تنافسية في مقياس BLEU في كلا اتجاهي الترجمة.
تُعد KernelBrain وكيلًا عمليًا للتحسين يراعي الميزانية، حيث يجمع بين الطفرات الموجهة بواسطة النماذج اللغوية الكبيرة واستراتيجية تقييم تكيفية من الخشن إلى الناعم لتوليد نوى وحدات معالجة رسومية عالية الأداء بكفاءة، محققةً تسريعًا كبيرًا مقارنة بـ PyTorch ووكلاء الحالة الراهنة مع تقليل وقت التحسين بنسبة تصل إلى 48%.
تقدم MemArena معياراً ومحاكياً واسع النطاق، متمحوراً حول منظور المستخدم (ego-centric)، لتقييم المساعدات الشخصية للذاكرة على الأجهزة، مما يكشف أن اختيار خلفية الذاكرة يؤثر بشكل كبير على دقة المحتوى وموثوقيته مع تحمل حد أدنى من زمن بحث الاسترجاع على أجهزة الحافة.
تُثبت هذه الورقة أن التفضيلات الثنائية للأطباء هي مؤشر غير موثوق للسلامة السريرية في النماذج اللغوية الكبيرة، حيث يمكن للنماذج ذات التصنيف العالي أن تظل تُظهر إخفاقات جسيمة حرجة من الناحية السريرية، مما يستلزم ممارسات تقييم تبلغ مباشرة عن معدلات الفشل وتدمج تعديلات قائمة على معايير سريرية رصينة.