22512 ورقة بحثية
تُعد AOSpec إطار عمل غير فاقد للمعلومات يعمل على تقليل زمن استجابة خدمة الوكيل من خلال التكهن المشترك للأفعال والملاحظات عبر فك التشفير بالقيمة المتوقعة والتحقق المشترك من الفعل والحالة، مما يؤدي إلى كسر المقايضة بين الاستشراف والدقة وتحقيق تخفيضات كبيرة في زمن الاستجابة النهائي عبر مختلف المعايير.
تقدم هذه الورقة البحثية إطار عمل \LNOQRD{}، وهو إطار عمل مستند إلى الفيزياء يعمل على إعادة تشكيل فضاء العمليات للتحكم في الشبكات القائم على النوايا من خلال استخدام إشارات وسيطة لاستبعاد المرشحين غير الأمثل أو غير الصالحين قبل عملية التحسين القائمة على القيمة، مما يقلل بشكل كبير من التعقيد الحسابي مع الحفاظ على مستوى عالٍ من المنفعة وتحقيق النوايا.
تقدم هذه الورقة البحثية Tevatron 3.0، وهو إطار عمل صديق للميزانيات الأكاديمية يدمج Megatron-Core لتمكين التدريب الفعال لنموذج إعادة الترتيب (reranker) من نوع خبير متوازي (expert-parallel) واسع النطاق، مما يثبت أن نموذج MoE بـ 30 مليار معلمة يمكنه مضاهاة جودة النماذج الكثيفة ذات الـ 8 مليارات معلمة مع تفعيل عدد أقل من المعلمات وتحقيق إنتاجية استدلال أعلى.
تقدم هذه الورقة أول دراسة منهجية تثبت أن نماذج تعلم الآلة تصبح مفرطة في الثقة بشكل منهجي عند مواجهة أنواع فرعية غير مرئية ضمن فئات معروفة، مما يكشف أن متانة الأنواع الفرعية تتطلب تقييم المعايرة بدلاً من الاعتماد فقط على مقاييس الدقة.
تقدم الورقة البحثية xMICD، وهي طريقة مبتكرة تسد الفجوة بين الأداء التنبئي والقابلية للتفسير في التعلم الآلي السريري من خلال بناء تمثيلات مرضية منخفضة الأبعاد من رموز ICD تستفيد من تشابهات التضمين سابقة التدريب مع بقائها مرتكزة على مجموعات تشخيصية ذات مغزى سريري.
تقدم هذه الورقة البحثية "مطابقة تدفق الاقتران المئيني" (QC-FM)، وهي طريقة اقتران أحادية الجانب قابلة للتوسع تقوم ببناء عينات المصدر عن طريق رسم رتب البيانات على طول اتجاهات متعامدة عشوائية إلى مئينات غاوسية، مما يؤدي إلى القضاء على تباين الانحدار غير القابل للاختزال وتحسين جودة التوليد دون التكلفة الحسابية التربيعية للنقل التقليدي في الدفعات الصغيرة.
تقترح هذه الورقة إطار عمل جديد للتدريب المسبق التبايني لبيانات النسخ المتماثل للخلية الواحدة، والذي يتعلم تمثيلات قوية للخلية بأكملها من خلال بناء رؤى متكاملة عبر تقسيم الجينات الموجه بالتعبير المشترك، وبناء السلبيات الصعبة المدركة للتعبير، والبدء التبايني المحكوم بالكفاءة، مما يؤدي إلى التفوق على طرق إعادة بناء الجينات التقليدية في المهام اللاحقة مثل توصيف نوع الخلية واستنتاج شبكة تنظيم الجينات.
تقدم هذه الورقة الاستدلال السولومونوفي الهرمي (HSI)، وهو إطار عمل يوسع الاستدلال السولومونوفي لتمكين التنبؤ الأمثل بالتسلسلات من مجموعات بيانات التدريب عبر تطبيق نظرية دي فينيتي لإنشاء توزيع سابق فائق (hyperprior) فوق التوزيعات السابقة السولومونوفية، مما يثبت أن الاستدلال السولومونوفي الهرمي يكافئ نظرياً الاستدلال السولومونوفي مع ضمان التقارب نحو التنبؤ الأمثل مع نمو البيانات.
تُثبت هذه الورقة أنه بينما يمكن لنماذج الترتيب المعتمدة على التعلم الآلي التنبؤ بفعالية بالأداء الإجمالي للمعالج عبر تغيرات المعلمات الهيكلية، إلا أنها تفشل جوهرياً في تحديد الانعكاسات المحلية للأداء في أنظمة السياسات السلوكية بشكل موثوق بسبب غياب الحالة المجهرية للهندسة المعمارية في تتبعات التعليمات، مما يستلزم إجراء محاكاة على مستوى الدورة الزمنية لاستكشاف مساحة التصميم بدقة.
تقدم هذه الورقة البحثية FactorJEPA، وهي بنية مبتكرة تعمل على تفكيك التنبؤات المستقبلية إلى قنوات متميزة للمخطط، والوكيل، والتفاعل لنمذجة الديناميكيات الفوضوية والمزدحمة للبيئات الحضرية في دول الجنوب العالمي بشكل أفضل، مدعومة بإصدار مجموعة بيانات DENSEWORLD واسعة النطاق وإثبات تفوقها في المتانة والدقة على النماذج العالمية الأحادية الموجودة.