22512 ورقة بحثية
يقدم FairDiffuseVQVAE بنية مبتكرة مكونة من مرحلتين تفصل بين دقة البيانات والعدالة باستخدام مشفر تلقائي مكمّم متجهًا يليه مُحسِّن انتشار شرطي، محققًا بذلك تفوقًا في التكافؤ الديموغرافي وتكافؤ الفرص في مجموعات البيانات الجدولية دون المساس بجودة العينات من خلال عقوبات صريحة للعدالة أثناء التدريب.
تقترح هذه الورقة نهجاً فعالاً للفرع والتقصي (Branch and Bound) للتحقق من الشبكات العصبية يستفيد من رتابة المسار والبحث الأسي لتقسيم دوال تنشيط متعددة في آن واحد، مما يؤدي إلى تخطي المشكلات الفرعية غير ذات الصلة وتحديد حدود الحكم بدقة دون عملية نشر الحدود المتسلسلة المكلفة المستخدمة في الطرق الحالية.
تقترح الورقة البحثية إطار عمل "تثبيت التوزيع البصري" (VDA)، وهو إطار تكيف لا يتطلب تدريباً يعمل على تعزيز النماذج اللغوية الرؤيوية المجمدة من خلال تخليق نماذج بصرية على مستوى الفئة من البيانات المستهدفة غير المصنفة، مما يحسن بشكل كبير أداء التعلم الصفري عبر مجالات متنوعة دون الحاجة إلى تسميات مستهدفة، أو تحسين، أو وصول إلى استعلامات الاختبار.
تقترح هذه الورقة طريقة "أخذ العينات بالدفعات المقيدة بالمنطقة" (RCBS)، وهي طريقة دفعات مبتكرة لمنصات المجتمعات المحلية تستبدل العينات السلبية المستحيلة جغرافياً بأخرى ممكنة لتحسين نمذجة المستخدم التباينية، مما يعزز أداء التوصية والإعلان في بيئة الإنتاج.
تقدم الورقة البحثية شبكة SILVA، وهي بنية طبقة ضمنية مهيكلة تفكك المثير، والتفاعلات المحلية، والسياق العالمي، وديناميكيات الحل إلى مكونات متميزة، مما يتيح نمذجة مرنة وقابلة للتفسير ومتكيفة مع المهام عبر مجالات متنوعة مثل الصور والجزيئات والرسوم البيانية.
يُعد Point2Radio نموذجاً تأسيسياً يستفيد من السحب النقطية المدركة للمواد لتعلم أسبقية انتشار قابلة للنقل عبر بيئات متنوعة، مما يتيح تنبؤاً سريعاً وخالياً من الشبكات (mesh-free) لمجالات راديو عالية الدقة مثل كسب المسار وأطياف القدرة الزاوية مع تقليل الخطأ بشكل كبير مقارنة بالنماذج المرجعية التقليدية الخاصة بكل مشهد.
تقترح هذه الورقة البحثية PaletteID، وهو معرف دلالي قائم على النماذج الأولية يستفيد من مجموعة متنوعة من العناصر النموذجية التمثيلية لربط التضمينات متعددة الوسائط سابقة التدريب بنماذج التوصية، مما يتغلب على قيود طرق المعرفات المنفصلة الحالية لتحسين دقة التنبؤ بمعدل النقر (CTR)، لا سيما بالنسبة للعناصر ذات الذيل الطويل.
تُثبت هذه الورقة أن تقنيات زيادة العينات القائمة على "كوبمان"، مثل DMD وEDMD، تعمل كخطوات معالجة مسبقة فعالة واعية بالديناميكيات لإزالة الضجيج واستكمال البيانات المتفرقة، مما يؤدي إلى تحسين دقة واستقرار تحديد المعادلات التفاضلية العادية (ODEs) والمعادلات التفاضلية الجزئية (PDEs) الحاكمة مقارنة بطرق الاستكمال التقليدية غير الديناميكية.
تقدم هذه الورقة إطار عمل للمعالجة الداخلية للتحقق من الشبكات العصبية يستخدم إجراءات الاستشراف لاستخلاص لِمات (lemmas) عبر وحدات ReLU غير المستقرة، والتي تُستخدم بعد ذلك لتقليص مساحة البحث وتحسين أداء أدوات التحقق المتطورة مثل Marabou و --CROWN من خلال إثبات عدم قابلية 34% من الحالات للتحقق.
تقترح الورقة البحثية FedSLM، وهو إطار عمل جديد للتعلم الاتحادي يُمكّن العملاء ذوي الموارد المحدودة من ضبط النماذج التأسيسية باستخدام نماذج ذاتية الاحتواء مضغوطة تعتمد على تحليل القيم المفردة (SVD) وبروتوكول تجميع ثنائي المراحل، محققاً أداءً فائقاً مع تقليل متطلبات الذاكرة بشكل كبير مع الحفاظ على دقة التمثيل.