22512 ورقة بحثية
تقدم هذه الورقة إطار عمل للتدقيق غير مرتبط بنموذج محدد، يقوم بتقييم توقعات التقلب عبر أنظمة السوق الكامنة ليكشف أن النماذج ذات الدقة الإجمالية التنافسية يمكن أن تعاني رغم ذلك من تحيزات شرطية كبيرة ونقص في توقع الحالات المتطرفة، مما يدعو إلى إجراء تقييمات الموثوقية الخاصة بكل نظام بدلاً من الاعتماد على مقاييس متوسط الخطأ.
تُعد شبكة QWRF-Net إطار عمل كمي-مويجيّ مبتكر يدمج بين التفكيك متعدد المقاييس القائم على المويجات، والتعديل المستوحى من الحوسبة الكمية المتمايز، وتوليد التدفق المصحح، لتحسين دقة وحفظ البنية في التنبؤ قصير المدى لهطول الأمطار بشكل كبير، لا سيما في حالات هطول الأمطار الحملية الكثيفة.
حقق فريق جامعة FAU المركز الثالث في اختبار الاختيار من متعدد البصري (Visual MCQ) والمركز الأول في الاختبار المفتوح البصري (Visual OpenQA) في مسابقة ImageCLEF 2026 من خلال إعطاء الأولوية لهندسة الاستدلال القوية — مثل التقييم المباشر للمرشحين، ودمج الدرجات، والتحكم الصارم في المخرجات — بدلاً من التدريب المتخصص للمهام لتعزيز الاستدلال البصري متعدد اللغات وتنسيق الإجابات.
تقدم هذه الورقة إطار تقييم مضاد للواقع لإثبات أن آليات الانتباه المتناثر في النماذج التأسيسية ذات السياق الطويل تغير سببياً تأثير كتل محتوى محددة — وغالباً ما تضخم الإشارة بينما تقطع التكامل بين الكتل بطرق تفشل مقاييس الدقة الإجمالية في اكتشافها.
تقدم هذه الورقة إطاراً موحداً قائماً على التدفقات المستقلة والخرائط أحادية الخطوة يوفر تفسيراً ديناميكياً لمسألة بكمان للنقل، مما يتيح التعلم المباشر لخرائط توليدية دقيقة للتوزيعات المستهدفة المفردة مع تصحيح التناقضات في الطرق الحالية وإثبات الفعالية على مجموعة بيانات ImageNet.
تقترح هذه الورقة البحثية طريقة "الاسترجاع الموجه بنماذج اللغات الكبيرة" (LGR)، وهي طريقة تسخر نماذج اللغات الكبيرة لتحديد المركبات ذات الصلة بيولوجياً لتجميع استجاباتها النسخية المقاسة، مما يحقق تنبؤاً فائقاً بصفرية الاستباق (zero-shot) لآثار الاضطراب الجزيئي عبر الأدوية والخطوط الخلوية غير المرئية مقارنة بالنماذج المرجعية الحالية.
يقدم ReFP-AD إعادة تمثيل هندسي عبر تدفق مستقيم مقترن بالنقل الأمثل لاستقرار تدريب نماذج الطاقة القائمة على الطاقة في فضاءات الرموز عالية الأبعاد، محققاً أداءً رائدًا وموحدًا في كشف الشذوذ على مجموعتي بيانات MVTec-AD وVisA.
تقدم هذه الورقة LEAP، وهو إطار عمل للتعلم التعزيزي متعدد الخطوات وفعال حاسوبياً لتوليد نوى CUDA، والذي يستخدم التقليم المشروط بالصعوبة لتركيز الموارد على المهام ذات القيمة العالية وصياغة مكافأة قائمة على الرتبة للتغلب على ندرة الإشارات وزمن استجابة التجميع، مما يحقق تقارباً أسرع ومرونة تصحيح أخطاء فائقة مقارنة بالطرق الحالية.
تفسر هذه الورقة ظاهرة "الاستيعاب المفاجئ" (grokking) في الشبكات العصبية باعتبارها عملية استرخاء زجاجي تتميز بالارتباط الحركي وانخفاض حركية المعلمات، وتقترح طريقة تحسين تعتمد على تبديل المعلمات بطريقة مونت كارلو الواعية بالحالة (SAM-Swap) تعمل على تسريع التعميم من خلال إدخال الاستكشاف العشوائي لتجاوز حالات الحفظ.
يُعد WorldDynCache إطار عمل محكوم المخاطر يعمل على تسريع استنتاج نماذج العالم الانتشارية من خلال الجمع بين مُقدِّر مخاطر انتقال كامن خفيف الوزن وبديل مرفوع مدرك للشرط والمرحلة، مما يحقق تسريعاً كبيراً مع الحفاظ على جودة توليد فائقة مقارنة بطرق التخزين المؤقت الحالية.