22512 ورقة بحثية
تقدم هذه الورقة "درجة حساسية الهوية" (ISS)، وهي مقياس تشخيصي خالٍ من الملصقات الكمية التي تقيس مدى اعتماد الكاشف على هوية المتحدث بدلاً من عيوب التوليف، مما يثبت قدرتها على تحديد التزييفات الصوتية العميقة المصنفة خطأً بفعالية والتمييز بين حالات الفشل الحساسة للهوية وبين عدم اليقين العام في التنبؤ.
تقترح هذه الورقة واجهة للتحكم في إشارات المرور قائمة على الرسوم البيانية تعمل على فصل درجات الحركة المتعلمة عن تعريفات الطور الخاصة بالتقاطعات باستخدام شبكة عصبية رسومية مشتركة ومصفوفات حوادث حتمية، مما يثبت جدوى النقل عبر الشبكات الطرقية غير المتجانسة مع تسليط الضوء على الحساسية تجاه تحولات توزيع تغطية الإشارات.
تكشف هذه الورقة أن بروتوكولات اعتماد النماذج التشفيرية الحالية معرضة لهجمات حيث تسلك النماذج سلوكاً جيداً على مجموعات بيانات التدقيق الثابتة ولكنها تفشل في الممارسة العملية بسبب عدم التحقق من التعميم، وتقترح تعريفات أمنية صارمة ونموذج بروتوكول جديد لضمان سريان الضمانات المعتمدة على البيانات الجديدة من التوزيع نفسه.
تقدم هذه الورقة منهجية قائمة على النصوص وقابلة للنقل بين المنصات، تستفيد من تضمينات المحولات (transformer embeddings) وإشارات مصداقية الأخبار الخارجية لقياس ومقارنة الانحياز السياسي بشكل موثوق عبر منصات التواصل الاجتماعي المتنوعة، مبرهنةً على فعاليتها من خلال تحليل عابر للمنصات لكل من "بلوسكاي" (Bluesky) و"تروث سوشيال" (Truth Social).
تقدم هذه الورقة البحثية "الاستدلال البايزي التجريبي القائم على المحاكاة" (SBEB)، وهو إطار عمل مبتكر يتيح الاستدلال المتزامن للمتغيرات الكامنة ذات الاحتمالات الضمنية من خلال صقل شبكة استدلال مُقاس (amortized) بشكل تكراري لتقدير التوزيع القبلي للمجتمع دون الحاجة إلى دالة كثافة صريحة.
تُثبت هذه الورقة أن الانحدار الرمزي ثابت العمق يمكنه اكتشاف قواعد تحديث أوزان للشبكات العصبية تتسم بالبساطة والأداء العالي، وتتفوق بشكل ملحوًظ على المحسنات القياسية المصممة يدويًا في الاختبارات المعيارية صغيرة النطاق، مما يشير إلى نهج واعد وخفيف الوزن لاكتشاف المحسنات آليًا.
تقدم هذه الدراسة معياراً مرجعياً واسع النطاق وموزعاً عبر الفصول الدراسية، يتألف من 11,536 عملية تدريب عبر 18 مجموعة بيانات و6 عائلات من النماذج، مما يثبت أنه في حين تصف قوانين القوة منحنيات التعلم لمعظم النماذج الجدولية بفعالية مع وجود أسس مشتركة تقريبية، إلا أن تبايناً كبيراً يستمر بسبب تفاصيل التنفيذ بدلاً من البذور العشوائية.
تقدم هذه الورقة البحثية خوارزمية VRDQ، وهي خوارزمية تعلم كيو (Q-learning) موزعة قائمة على الحقبة للأنظمة متعددة الوكلاء عبر شبكات ثابتة ومتغيرة زمنياً، تحقق تسارعاً خطياً في تعقيد العينات مع تكلفة اتصال ثابتة فقط لكل حقبة.
تقترح الورقة البحثية نموذج MissHyper، وهو نموذج تنبؤ بالرسم البياني الفائق موجه بفقدان البيانات، يعمل على استعادة السياق السريري المشترك زمنياً قبل عملية تمرير الرسائل لتحسين أداء التنبؤ متعدد الخطوات على البيانات الزمنية المتفرقة وغير المنتظمة.
يقدم RIS-Kernel بنية انتباه متفرقة ومستقلة عن النموذج، تقلل من تعقيد الاستدلال من O(N^2) إلى O(N log N)، مما يتيح تحليل النماذج اللغوية الكبيرة ذات السياق الطويل على أجهزة المعالجة المركزية (CPU) العادية مع تحقيق دقة تضاهي أو تتجاوز النماذج الكثيفة الأساسية من خلال أخذ العينات العشوائية.