22512 ورقة بحثية
تقدم الورقة البحثية نموذج MTSF-ANO، وهو نموذج هجين كمي-كلاسيكي يدمج الدوائر الكمية التباينية مع مراقبين تكيّفيين غير محليين للتفوق بشكل كبير على النماذج المرجعية الحالية والنظائر ذات المراقبات المحلية الثابتة في التنبؤ بالسلاسل الزمنية متعددة المتغيرات عبر مجموعات بيانات متعددة.
تقدم الورقة البحثية "proxymate"، وهو إطار عمل معياري وحزمة برمجية مفتوحة المصدر بلغة بايثون مصممة لتشخيص وضبط التقديرات التقريبية المنحازة عبر أربعة مستويات من الصلاحية، مما يتيح استدلالاً موثوقاً ويسرع عملية اتخاذ القرار في السيناريوهات التي تكون فيها النتائج الأولية بطيئة أو نادرة أو صعبة القياس.
تقدم هذه الورقة البحثية K-SurvMeans، وهو امتداد لـ K-Means لنمذجة تجميع بيانات البقاء، والذي يعمل على تحسين مراكز العناقيد لتعظيم الفروق في البقاء بين الأزواج باستخدام تحسين سرب الجسيمات وفضاء كامن منخفض الأبعاد تم تعلمه، مما يظهر أداءً فائقاً في فصل توزيعات البقاء مقارنة بطرق التعلم العميق الحالية.
تُبين هذه الورقة أن البنية الهندسية للمفاهيم في النماذج اللغوية الكبيرة تتحدد ديناميكيًا من خلال المواصفات المقدمة في سياق النص بدلاً من الأولويات المسبقة الثابتة، مع القدرة على تجاوز هذه الأولويات بوضوح والاستخدام السببي للهندسة المفروضة التي لا تبرز إلا في النماذج الأكبر حجمًا.
تُثبت هذه الورقة أنه بالنسبة لنماذج الرؤية واللغة التي تعمل ضمن ميزانية ذاكرة ثابتة، فإن اختيار نموذج مكمّم أكبر حجماً على نموذج أصغر بدقة كاملة هو الخيار الأمثل لأن الحجم يحسن بشكل كبير من الكشف عن عدم اليقين الداخلي بينما يحافظ التكميم على الدقة، رغم تدهور إشارات الثقة اللفظية.
تكشف هذه الورقة أن نماذج المكافأة المدربة تمييزياً تظهر حفظاً متحيزاً من خلال الإفراط في التخصيص لأزواج التفضيل السهلة، والاختصارات الخاصة بمجموعات البيانات، والاستدلالات البسيطة، مما يحد في النهاية من قدرتها على الحكم بدقة على جودة الاستجابة في السيناريوهات المعتمدة على السياق.
تقترح الورقة البحثية UNIFUSION، وهو إطار عمل موحد يؤسس روابط بين مختلف أهداف الانتشار المنفصلة لتمكين التكيف المباشر للنماذج ذات الترتيب الذاتي سابقة التدريب مع انتشار الضوضاء الموحدة، محققةً أداءً هو الأفضل في فئته من حيث جودة التوليد ودقة المهام اللاحقة.
تقدم هذه الورقة إعادة صياغة للهوية الأثرية (trace-identity) ومجموعة من الخوارزميات المتسارعة، بما في ذلك طرق جديدة من عائلة AdaGrad، والتي تمكن تحليل المصفوفات غير السالبة المتماثلة (Symmetric Non-negative Matrix Factorization) من التوسع ليصل إلى مصفوفات بأبعاد تبلغ على وحدات معالجة الرسومات (GPUs)، مما يحل بفعالية مشكلات تقدير عوامل المخاطر واسعة النطاق حيث تفشل الطرق التقليدية.
تحدد هذه الورقة مجموعة شاملة من أفضل الممارسات المتكاملة لإنتاج خرائط رصد للأرض ذات مصداقية علمية وواسعة النطاق، وذلك عبر معالجة التحديات الحرجة عبر ستة محاور مترابطة: البنية التحتية للبيانات، والمعالجة المسبقة، وتدريب النماذج، وتقدير عدم اليقين، والإنتاج، والتحقق من الصحة.
تُعد LOCKS إضافة جاهزة للاستخدام لـ vLLM تعمل على تسريع فك التشفير للسياقات الطويلة عبر تخصيص ملخص طيفي منخفض الرتبة ومدمج لكل صفحة ذاكرة لتقدير كتلة الانتباه بكفاءة واختيار الصفحات الأكثر صلة فقط، مما يقلل بشكل كبير من زمن الاستجابة واستهلاك الذاكرة مع الحفاظ على دقة تقارب دقة الانتباه الكامل.