22512 ورقة بحثية
تُعد EvoCause إطار عمل مبتكرًا يسخر النماذج اللغوية الكبيرة لتنقيح الرسوم البيانية السببية بشكل تكراري باستخدام تسميات التشخيص الخبير لتحسين تحليل السبب الجذري في الأنظمة المعقدة، وهو ما تم التحقق منه عبر معيار مرجعي جديد مشروح من قبل الخبراء (TeleRCA)، مُظهرًا مكاسب أداء كبيرة مقارنة بطرق الاكتشاف السببي التقليدية.
تقترح الورقة البحثية نموذج THGFM، وهو نموذج دمج للرسوم البيانية الزمنية غير المتجانسة ثنائي المسار يوحد بين النقل عبر الأنواع الموفر للمعلمات والتخصص المدرك للعلاقات من خلال آلية دمج بوابية مبتكرة وانتباه زمني دوراني، محققاً أداءً هو الأفضل في فئته على العديد من معايير الرسوم البيانية الأكاديمية وذات النطاق الواسع على الويب.
تقدم الورقة البحثية "الخلية الآلية العصبية اللاغرانجية" (LNCA)، وهي إطار عمل هجين للتعلم العميق عالي الكفاءة وقابل للاشتقاق بالكامل، يحاكي تشكل البنية الكونية غير الخطية من خلال التعلم التكراري لتصحيحات الإزاحة المتبقية لتقريب زيلدوفيتش، مما يتيح إعادة بناء دقيقة، بمستوى مئوي، للظروف الأولية الكونية من المسوحات المجريّة باستخدام عدد أقل بكثير من المعلمات مقارنة بالنماذج الحالية.
تقدم هذه الورقة البحثية "النمذجة الاستكشافية"، وهي نموذج جديد يعمل على تحليل حلقة التدريب لاستكشاف مرشحات توليد متعددة واختيار الأفضل بينها، مما يجعل الاستكشاف محوراً ثالثاً قابلاً للتوسع في مرحلة ما قبل التدريب يحسن الكفاءة والأداء عبر المجالات مع تمكين النمذجة التوليدية الحقيقية من طرف إلى طرف.
تكشف هذه الورقة أنه بينما تقاوم نماذج اللغات الانتشارية (Diffusion Language Models) بطبيعتها الهجمات العدائية القائمة على التدرج بسبب تضاريس فقدانها العشوائية، إلا أنها تظل عرضة للضجيج الطبيعي وتُظهر ثقة مفرطة ممنهجة لأن متانتها تعتمد على توجيه فك التشفير الخاص بالأوزان بدلاً من المزايا الهيكلية، مما يستلزم دمجاً جوهرياً في عملية فك التشفير بدلاً من الإصلاحات السطحية.
تقدم هذه الورقة البحثية ECG-InterpBench، وهو معيار مرجعي مبتكر يستخدم المشفرات التلقائية المتناثرة متطابقة المقياس لتقييم ومقارنة قابلية التفسير، والأهمية السريرية، وقابلية إعادة الإنتاج للتمثيلات الداخلية عبر ستة نماذج تأسيسية مجمدة لتخطيط كهربائية القلب بشكل منهجي، مما يعالج فجوة حرجة تركتها المعايير المرجعية الحالية التي تركز على الأداء.
تقدم الورقة البحثية SE(3)-MeanFlow، وهو إطار توليدي من خطوات معدودة يوسع نطاق MeanFlow ليشمل هندسة زمرة Lie لتصميم الهيكل العظمي للبروتين، محققاً توليداً عالي الجودة بعدد خطوات أخذ عينات أقل بكثير من نماذج الانتشار أو مطابقة التدفق الحالية عبر استخدام أهداف تدريب ذات صيغة مغلقة وهدف -Flow متخصص لـ SE(3).
تقدم هذه الورقة البحثية إعادة صياغة مخطط "شراير-كوسيت" (SCGR)، وهي طريقة جديدة تعتمد على نظرية المجموعات تعمل على التخفيف من مشكلة "الضغط الزائد" (over-squashing) في الشبكات العصبية الرسومية عن طريق تعزيز الرسوم البيانية المدخلة بهياكل "شراير-كوسيت" لإنشاء مسارات تجاوز منخفضة المقاومة لنشر المعلومات بعيدة المدى مع الحفاظ على الخصائص الجوهرية للرسم البياني وتقليل المقاومة الفعالة بنسبة تتراوح بين 5 إلى 40%.
تُثبت هذه الورقة أن ملاءمة نموذج ماركوف الخفي للأوزان المرتبة زمنياً للمصنفات المدربة على تدفقات بيانات متغيرة يمكن أن يستعيد الأنظمة الزمنية الكامنة التي تتنبأ بأداء التعميم بشكل أكثر فعالية من التقارب الزمني البسيط أو التقسيمات الساذجة، مما يكشف أن أوزان النموذج تشفر تحولات هيكلية ذات معنى في توزيع البيانات الأساسي.
تقترح هذه الورقة نموذجاً تنبؤياً غير مرتبط بنوع محدد من البيانات، ومصمماً ليكون قابلاً للتفسير، يقوم باختيار نماذج مثالية ممثلة (بما في ذلك الأزواج والمجموعات) بشكل هرمي باستخدام أشجار التقارب والشبكات سابقة التدريب لتحقيق أداء تنافسي عبر أنماط بيانات متنوعة مع الحفاظ على قابلية تفسير عالية.