22423 ورقة بحثية
تقدم هذه الورقة أول دراسة عددية للمحاكاة الكمومية القابلة للتوسع للنماذج التوليدية ذات الزمن المستمر باستخدام شبكات الموتر، مبرهنةً أن تمثيل الجهود والحالات المعتمدة على الزمن كشبكات موتر يقلل بشكل جذري من تكاليف التخزين والحوسبة مع تمكين الإعداد الفعال لتشفيرات السعة المتماسكة لتحقيق التفوق الكمومي في أخذ عينات الأحداث النادرة.
تشخّص هذه الورقة الإخفاقات التركيبية في نماذج تحويل النص إلى صورة المعززة بالاستدلال عبر إثبات أن فك التشفير ينفذ الخطة المولدة بأمانة بينما يمثل المخطط نفسه عنق الزجاجة بسبب الانحيازات المعتمدة على الصياغة والازدحام الهندسي، مما يثبت أن تعديل الخطة الصريحة بدلاً من إعادة تدريب النموذج يحل هذه الأخطاء بفعالية.
تقترح هذه الورقة إطار عمل للتوجيه عند وقت الاختبار يتسم بالمرونة وعدم الانحياز، حيث يستفيد من تقدير نسبة الكثافة لفصل الاستدلال القائم على المحاكاة المستهلك للزمن عن أولويات التدريب المحددة، مما يعالج بفعالية التبعية للأولويات ويتفوق على الأساليب الحالية مثل PriorGuide في كل من الاختبارات المعيارية الاصطناعية وتطبيقات بيانات الكواكب في العالم الحقيقي.
تُثبت هذه الورقة أن التصميم المعماري للمشفرات، وليس مجرد تدريبها، هو المصدر الرئيسي للبنية القابلة لإعادة الاستخدام وذات الصلة بالمهام في تمثيلات أحداث غرفة الإسقاط الزمني (TPC)، كما يتضح من الفائدة العابرة للتجارب لتمثيلات التضمين المستخرجة من نماذج Sparse ResNet وPointNet، سواء كانت مدربة أو ذات تهيئة عشوائية.
تُعد HIRA نظام تعاقب استرجاعي محلي، لا يتطلب تدريباً، لتصنيف المستندات الخاضعة للتنظيم، حيث يجمع بين الاسترجاع متعدد الوسائط ومُحقِّق يعتمد على نموذج لغوي كبير مستضاف محلياً وتغذية راجعة من العنصر البشري في الحلقة، وذلك لتحقيق دقة عالية مع تقليل المراجعة البشرية إلى أدنى حد وإلغاء الحاجة إلى إعادة تدريب مكلفة للنماذج.
يُعد PatchGate إطار عمل لا يتطلب تدريباً يعمل على تضييق فجوة التعبير اللفظي في النماذج البصرية-اللغوية المجمدة عبر استخراج أدلة موضوعاتية ذاتية على مستوى الرقعة (patch-level) وخالية من المطالبات من طبقات فك التشفير واستخدامها لمعايرة لوغاريتمات فك التشفير، مما يؤدي في آن واحد إلى تحسين تغطية الموضوعات المرئية وتقليل الهلوسة دون الحاجة إلى كواشف خارجية أو ضبط دقيق.
يُعد VisAdj إطار عمل مبتكر يتعلم مصفوفات التجاور من صور العقد والروابط عبر توظيف عينة جيران تعتمد على الانتباه المتناثر لاختيار المرشحين، ومحول مخطط خطي لنمذجة تبعيات الحواف، مما يجعله يتفوق على الأساليب القائمة على خوارزمية أقرب جار (KNN) عبر مجموعات بيانات متنوعة.
تقدم الورقة البحثية ChainPrune، وهي طريقة مبتكرة تعمل على تحسين استدلال تسلسل الأفكار (Chain-of-Thought) الطويل من خلال دمج المسارات المولدة ذاتياً في بنية شجرية للاختيار متعدد المعايير وتطبيق تعلم التفضيل القائم على تحسين التفضيل المباشر (DPO)، مما يقلل بفعالية من التكرار والأعباء الحسابية مع الحفاظ على الدقة أو تحسينها.
تُظهر هذه الورقة أنه بينما يمكن فك تشفير مهام الاستنتاج والذاكرة في النماذج اللغوية الكبيرة عبر اتجاه تمثيل واحد، فإن هذا الاتجاه ليس ثابتاً بل يخضع لإعادة تنظيم هندسي جوهري أثناء التعلم المعزز، حتى مع بقاء المعلومات الأساسية متاحة.
تقدم هذه الورقة البحثية "خوارزميات المندليات التركيبية ذات البوابات المنفصلة" (GDCB)، وهي إطار عمل موحد يعمل على فصل تحجيم الإجراء والبوابات ما قبل التنفيذ عن اختيار الذراع لتحويل مشكلات المندليات غير المستقرة إلى مشكلات مستقرة، مما يتيح النشر السريع والآمن في المجالات عالية المخاطر مثل التسعير الديناميكي والجرعات السريرية.