22512 ورقة بحثية
تقدم هذه الورقة البحثية FedSLIM، وهو أول إطار عمل اتحادي لتنقيب الأنماط الوصفي القائم على طول الوصف الأدنى (MDL)، والذي يتيح التحسين التعاوني لنماذج الأنماط المدمجة عبر صوامع البيانات الموزعة دون مشاركة المعاملات الخام، مع إثبات قدرة فائقة على اكتشاف الأنماط المعلوماتية عالمياً مقارنة بالتنقيب المحلي المنعزل.
تقدم هذه الورقة البحثية IndicTalk، وهو متن لغوي ضخم تم إنشاؤه تلقائياً يضم أكثر من 1.3 مليون محادثة قائمة على الشخصيات ومرتبطة بالأحداث ومتعددة اللغات (code-mixed) عبر 18 نوعاً من 9 لغات هندية، صُمم لتعزيز الذكاء الاصطناقي للمحادثات متعدد اللغات في المناطق غير الممثلة كفاية.
تُعد StageGuard إطار استدلال جاهز للتشغيل، ومستند إلى الفسيولوجيا، يعمل على تعزيز تقسيم مراحل النوم الآلي من خلال الجمع بين عقوبات التدريب القابلة للتفاضل وفك التشفير المقيد بنموذج ماركوف شبه المحدود للقضاء على الانتقالات غير المنطقية بيولوجياً والتجزؤ، مما يحسن بشكل كبير دقة مقاييس بنية النوم المستمدة دون التضحية بأداء التصنيف.
يُعد TOPOFE إطار عمل تطوري متعدد الجزر مدركاً للطوبولوجيا، يعمل على تعزيز هندسة الميزات المؤتمتة والموجهة بنماذج اللغات الكبيرة (LLM) من خلال دمج الاستكشاف المتخصص في العائلات، والذاكرة التكيفية للمطالبات، ونقل المعرفة الموجه بالطوبولوجيا للتغلب على قيود التوليد عديم الحالة والبحث المتجانس، مما يؤدي إلى اكتشاف برامج ميزات متنوعة وعالية الأداء عبر 29 مجموعة بيانات جدولية.
تقارن هذه الدراسة بين نماذج التعلم الآلي المستمرة (الغابة العشوائية والبرسيم متعدد الطبقات) وشبكة بولين ذات العتبة المنفصلة لنمذجة تنظيم جينات المقاومة المستحثة الجهازية (ISR) في نبات الأرابيدوبسيس، كاشفةً أنه بينما تتفوق البدائل المستمرة في الدقة العددية المحلية، توفر شبكات بولين ذات العتبة دقة ديناميكية نوعية عالمية فائقة، مما يشير إلى أن النهجين يمثلان أدوات متكاملة للنمذجة البيولوجية.
توحد هذه الورقة بين المناهج المتنوعة للاستدلال التكيفي مع السياق عبر الإحصاء، والتعلم الفوقي، والنماذج التأسيسية تحت إطار رياضي مشترك، مثبتةً تكافؤها مع انحدار النواة المربعي (kernel ridge regression)، ومقترحةً مبادئ تصميمية لتوجيه تطوير أنظمة تكيفية قابلة للتوسع، وموثوقة، وشفافة.
تقدم ورقة بحثية بعنوان AlloBench معياراً مزدوجاً يوضح أنه في حين تستطيع وكلاء النماذج اللغوية الكبيرة المتطورة تخصيص الأدوات بشكل شبه مثالي في سيناريوهات نصية مجردة، إلا أنها تفشل باستمرار في نقل هذه القدرة الاستراتيجية إلى مهام بناء الأكواد البرمجية العملية، مما يكشف عن حدود قدرات كبيرة في التخصيص المباشر للأدوات.
تُثبت هذه الورقة أن تدريب نماذج الانتباه الذاتي أحادية الطبقة باستخدام دالات خسارة الندم الخارجي (external regret) والندم التبادلي (swap regret) يجعل عمليات التمرير الأمامي لها تحاكي بدقة خوارزميات اللعب الوهمي المُمهد (smoothed fictitious play) وخوارزميات بلوم-مانسور لعدم الندم (Blum-Mansour no-regret)، مما يوجه البنى المعمارية الدنيا نحو سلوكيات التوازن في نظرية الألعاب مثل التوازن المترابط الخشن (coarse correlated equilibrium) والتوازن المترابط (correlated equilibrium) دون الحاجة إلى آثار تعلم تحت إشراف.
تقدم هذه الورقة "اكتشاف العامل العصبي" (Neural Operator Discovery - NOD)، وهو إطار عمل يتعلم عوامل الحل المشتركة والتباينات الخاصة بكل نظام مباشرة من المسارات غير المتجانسة دون الحاجة إلى عوامل حاكمة مصنفة، مما يتيح تنبؤات قابلة للتفسير، وقابلة للتعميم، ومستقرة على المدى الطويل عبر أنظمة ديناميكية متنوعة.
تتقصى هذه الورقة كيفية تأثير ضغط المخطط (graph compression) على انتشار الإشارة، وتكشف عن مقايضة جوهرية حيث يحافظ التخفيف (sparsification) على تنوع الإشارة ولكنه يبتعد عن ديناميكيات الانتشار الأصلية، بينما يحافظ التخشين (coarsening) على دقة الانتشار على حساب زيادة التمهيد المفرط (oversmoothing) وانهيار الرتبة (rank collapse).