22512 ورقة بحثية
تقترح هذه الورقة إطاراً للتعلم العميق الاحتمالي للتنبؤ بالجفاف في أوروبا يدمج صراحةً التباين المناخي الداخلي من مجموعات النماذج الضخمة لتوليد حدود جفاف أفضل معايرة وأكثر تحوطاً من المخاطر، لا سيما خلال الظروف الجافة غير العادية حيث تسيء الطرق التقليدية القائمة على إعادة التحليل تقدير مخاطر الذيل الأدنى.
يُعد HarnessCompass إطار عمل مبتكرًا للتطور التلقائي للمقيدات (harness evolution)، يعمل على تعزيز أداء الوكلاء وقدرتهم على التعميم من خلال فرض قيود غير مرتبطة بمهام محددة، ودمج التغذية الراجعة الاستباقية من الوكيل، وفصل تحسين المكونات، مما يحقق نتائج متفوقة على SWE-bench Verified مقارنة بالأساليب الحالية.
تقدم هذه الورقة أول نظام عام الأغراض وقائم على القواعد لتحديد طول الحروف (macronizer) للغة اليونانية القديمة، والذي يقوم تلقائياً بتوسيم طول الحروف المتحركة في الحروف ثنائية الزمن (dichrona letters) باستخدام السياق الصرفي، وتُثبت أن مخرجاته تدرب بفعالية نموذج محول على مستوى الحرف (character-level transformer) لتحقيق دقة عالية في كل من الشعر والنثر مع تحسين المهام العروضية اللاحقة.
تقدم الورقة البحثية scikit-fingerprints، وهي مكتبة بايثون شاملة مبنية على RDKit تعمل على سد الفجوة بين المعلوماتية الكيميائية ومنظومة scikit-learn من خلال توفير بصمات جزيئية متوافقة تماماً، ومقاييس تشابه، وأدوات سير عمل لتبسيط تطوير ونموذج التعلم الآلي الجزيئي وإعادة إنتاجه ونشره.
تقدم هذه الورقة خوارزمية "تعلم كيو بـ n-خطوة لـ التوقع" (ENQ)، وهي خوارزمية تعلم تعزيزي خارج السياسة تستخدم خسارة توقع غير متماثلة للتخفيف من التحيز التشاؤمي المتأصل في العوائد متعددة الخطوات، مما يوفر ضمانات نظرية للتقبض وأداءً تجريبياً فائقاً عبر مهام متنوعة مقارنة بالطرق الحالية مثل "تعلم كيو طويل الأمد".
تقدم هذه الورقة وتتحقق تجريبياً من تقنية إعادة بناء تكيفية تجمع بين النمذجة المستندة إلى الفيزياء والاستدلال البايزي والتعلم النشط لتقدير دقة الحالات الكمومية البوزونية (تحديداً حالات قط شرودنجر) بكفاءة عبر عائلة من تحويلات فضاء الطور، مما يتيح توصيفاً سريعاً ومتيناً وتحسيناً ذاتياً على منصة الكهروديناميكا الكمية للدوائر.
تقدم هذه الورقة TextNCA، وهو خلية عصبية خلوية هرمية (hierarchical Neural Cellular Automaton) لنمذجة اللغة، لتثبت أن جدول الانتباه المتدرج من الضيق إلى الواسع هو المحرك الرئيسي للأداء، بينما توفر التكرارات والمكونات المعمارية المحددة فوائد أصغر ومحدودة.
تقدم هذه الورقة أول تدقيق منهجي للحفظ في نماذج التنبؤ بالحركية البشرية، حيث تقدم إطار عمل متعدد المستويات لقياس كيفية كشف هذه النماذج عن مسارات المستخدمين الحساسة، وتكشف عن مخاطر خصوصية واسعة الانتشار ترتبط بانتظام المستخدم.
تُثبت هذه الورقة أن شبكات كولموغوروف-أرنولد (KAN) تتفوق بشكل كبير على الشبكات العصبية متعددة الطبقات (MLP) في كشف إشارات BPSK الأسرع من نايكويست (FTN)، حيث حققت معدل خطأ في البتات أقل بمقدار 18.6 ضعفاً عند 10 ديسيبل مع استخدام ثمن عرض الطبقة الخفية فقط، مما يقدم حلاً أكثر كفاءة في المعلمات للتعامل مع التداخل بين الرموز.
تقترح هذه الورقة طريقة موجهة هندسياً لتخصيص عرض شبكة التغذية الأمامية (FFN) ديناميكياً عبر طبقات المحولات بناءً على مقاييس هندسية مثل تشوه "غرووموف-واسرشتاين" والتماثل المستمر، مما يثبت أن مثل هذه الجداول الزمنية القائمة على البيانات تقلل بشكل كبير من فقدان التحقق مقارنة بتخصيصات العرض الموحدة أو المصممة يدوياً.