22512 ورقة بحثية
تكشف هذه الدراسة عن تدرج استمرارية مكاني في الاحترار الأوروبي حيث تُظهر المناطق القريبة من الأطلسي ذاكرة سنوية متبادلة أقوى ومعدلات احترار أبطأ بسبب التخفيف المحيطي، بينما تسخن المناطق الداخلية القارية بشكل أسرع مع استمرارية أضعف، وهو نمط مرتبط بتأثيرات البقعة الباردة لشمال الأطلسي ودرجات حرارة سطح البحر في البحر الأبيض المتوسط التي تحسن دقة التنبؤ بدرجة الحرارة بشكل كبير.
تقدم الورقة البحثية نموذج H+ Embedding، وهو نموذج استرجاع موحد متعدد المستويات يستفيد من العبارات المعتمدة على السياق لسد الفجوة بين ضغط المتجهات العالمي والتفاعل على مستوى الرمز (token)، محققاً أداء استرجاع فائق مع تقليل تكاليف الفهرسة والتخزين بشكل كبير.
تُثبت هذه الورقة أنه بالنسبة لمجالات التصميم المتخصصة مثل مجموعة بيانات JONES-19 الثقافية، فإن تدريب الشبكات العصبية الالتفافية من الصفر باستخدام استراتيجيات أخذ العينات المحلية يمكن أن يضاهي بفعالية أداء النماذج المدربة مسبقاً على ImageNet، مما يشير إلى أن مجموعات البيانات الأصغر والمختارة بعناية والتي تلتقط مبادئ تصميم محددة قد تكون أكثر فعالية من الاعتماد على التدريب المسبق الضخم للأغراض العامة.
تجادل هذه الورقة بأن مقاييس استدلال العضوية الإجمالية مثل (ROC-AUC) تحجب الخطر الشديد، المعتمد على السعة، المتمثل في استخراج بيانات التدريب حرفياً من النماذج اللغوية ذات الصندوق الأسود، حيث تُظهر أن وثائق محددة تحتوي على معرفات أو أكواد برمجية يتم تسريبها بشكل متكرر بغض النظر عن الخطوط المرجعية العمياء أو إزالة التكرار، وتقترح إطار عمل للتدقيق الاحتمالي لكل وثيقة عبر أداة "leakit" لقياس هذا الضرر المتعلق بالخصوصية بدقة.
يُعد RadPRISM إطار عمل مبتكرًا للتدريب المسبق للرؤية واللغة، يقوم بمحاذاة صور الأشعة السينية للصدر مع مفاهيم محددة من قبل الأطباء في فضاءات فرعية بصرية مخصصة عبر إشراف مُقسّم طبقياً حسب المخطط، مما يحسن بشكل كبير من التصنيف صفري القدرة، والتأسيس البصري، والاسترجاع المفكك للمفاهيم مقارنة بالنماذج التقليدية ذات الفضاء المشترك.
تُثبت هذه الورقة أن التنبؤ بتأثيرات اضطرابات CRISPRi المحجوبة تهيمن عليه إشارة بسيطة منخفضة الأبعاد لمقدار الاستجابة مشتقة من أربع دالات قياسية حتمية، والتي تتفوق على نماذج التعلم العميق المعقدة وتنتقل بشكل أكثر فعالية عبر أنواع الخلايا مقارنة بالنماذج التنبؤية القائمة على التعبير الجيني.
تقترح هذه الورقة نموذج انتشار مشروط بالطقس يقوم بتخليق معلومات حالة القناة (CSI) لأنظمة MIMO واقعية لظروف الطقس القاسية باستخدام بيانات تدريب ذات شدة منخفضة ومتوسطة فقط، مما يتيح تقييم تغطية موثوق لشبكات الجيل الخامس والجيل السادس المستقبلية في البيئات القاسية.
إن AutoCause هو إطار عمل مفتوح المصدر بلغة بايثون يعمل على توحيد وأتمتة القرارات الخبيرة في اكتشاف السببية للسلاسل الزمنية البيئية من خلال تسجيل خيارات المنهجية، واستخلاص القيم الافتراضية، ودمج خوارزميات متعددة لإنتاج رسوم بيانية سببية قابلة للتدقيق والتكرار والمقارنة.
تكشف هذه الورقة أن التعلم المعزز القائم على السياسة ذات المكافآت القابلة للتحقق (RLVR) يمكن أن يحسن أداء المهام الفورية، بينما يتسبب دون قصد في "إعادة تشكيل الدعم الناجم عن التحقق"، حيث تضيق السياسة توزيع مخرجاتها لجعل المسارات الناجحة للأهداف المستقبلية نادرة للغاية بحيث يصعب أخذ عينات منها، مما يؤدي إلى تقويض القدرة على التدريب طويل الأمد والقدرة المشتركة.
تقترح هذه الورقة إطار عمل لـ "إلغاء التعلم" (unlearning) مدركاً للتشابه، يستخدم طريقة تحديد مواقع مدركة للبيانات المتبقية لتقليل الأضرار الجانبية على البيانات المتبقية المتشابهة دلالياً مع تحسين كفاءة إلغاء التعلم القياسية، وهو ما تم التحقق منه من خلال مجموعة تقييم مبتكرة وتجارب مكثفة.