22512 ورقة بحثية
تقترح الورقة البحثية NeUQI، وهي طريقة تعمل على تحسين التكميم الموحد منخفض البت للنماذج اللغوية الكبيرة من خلال اشتقاق معاملات تهيئة شبه مثالية عبر عملية تحسين مبسطة تعتمد على المقياس فقط، مما يؤدي إلى التفوق على التقنيات الحالية وحتى أساليب التقطير كثيفة الاستهلاك للموارد.
توضح هذه الورقة أن اضمحلال الوزن من نوع L2 في التعلم المنظم يمكن أن يستحث بشكل عام محاذاة هيبية أو مضادة للهيبية في التحديثات المشبكية بالقرب من حالة الاستقرار، مما يخلق بصمة تحاكي اللدونة الهيبية الحقيقية وتُعقّد تفسير آليات التعلم العصبي.
تقترح هذه الورقة البحثية طريقة "الفضاءات الفرعية المتعامدة لدمج النماذج القوي" (OSRM)، وهي طريقة تعمل على تقييد الفضاءات الفرعية لـ LoRA قبل عملية الضبط الدقيق للتخفيف من تداخل المهام وتحسين أداء ومتانة دمج نماذج لغوية متعددة مكيفة بـ LoRA بشكل كبير.
تقدم هذه الورقة FAHNES، وهو إطار عمل هرمي يولد بشكل مشترك الطوبولوجيا والميزات للرسوم البيانية والرسوم البيانية الفائقة من خلال التنبؤ بالمقياس التالي، مما يعالج بفعالية تحديات القابلية للتوسع مع الحفاظ على الاتساق عبر المقاييس والوعي بالميزات.
تجادل ورقة الموقف هذه بأنه للتغلب على قيود النهج الحالية ذات القيم القياسية والاستفادة الكاملة من الموارد الكمومية مثل التشابك، يجب على مجال تعلم الآلة الكمومي التحول نحو أطر نواة ذات قيم مؤثرة تعبيرية قادرة على حل مشكلات التنبؤ الهيكلية المعقدة.
تقدم الورقة البحثية SHIELD، وهو إطار عمل مبتكر يجمع بين بنية قائمة على الشبكة الفائقة (hypernetwork) وبين انتشار الحدود الفترية (Interval Bound Propagation) واستراتيجية "Interval MixUp" جديدة لتحقيق تعلم مستمر قابل للتوسع، وخالٍ من إعادة التشغيل، ومتين بشكل موثق تحت الهجمات العدائية القوية.
تقدم هذه الورقة DISCO، وهي طريقة تستفيد من إطار عمل جديد للنموذج المعياري غير السببي (Standard Anti-Causal Model) ومقدرات فعالة لارتباط المسافة الشرطي للتخفيف من تحيز مجموعة البيانات في التعلم العميق من خلال فرض الاستقلال الشرطي، مما يحقق أداءً قويًا وقابلًا للتوسع عبر سيناريوهات التحيز المتعددة المتنوعة.
تقترح هذه الورقة قاعدة توقف مبدئية ذات أساس نظري للتحسين البايزي تتكيف مع تكاليف التقييم المتغيرة دون ضبط تجريبي، مما يثبت أنها تضع حداً للندم البسيط المعدل حسب التكلفة المتوقعة وتتفوق تجريبياً على الأساليب الحالية عبر الاختبارات المعيارية الاصطناعية والواقعية.
تقدم هذه الورقة Conformal C2ST، وهو إطار عمل مؤصل نظرياً يحول أي مصنف مدرب، حتى وإن كان ضعيفاً أو منحازاً، إلى اختبار عينات ثنائية موثوق يتميز بضبط مضمون لخطأ النوع الأول في العينات المحدودة وقوة غير تافهة، مما يظهر فعالية خاصة في التحقق من صحة نماذج تقدير اللاحقة العصبية (Neural Posterior Estimation).
تقدم هذه الورقة إطار عمل جديد للنمذجة منخفضة الرتبة القائمة على البيانات يستخدم شبكات هينون العصبية لبناء بنية هاميلتونية (symplectic) متكاملة، مما يضمن الحفاظ الدقيق على البنية الهاميلتونية والاستقرار طويل الأمد للأنظمة الهاميلتونية عالية الأبعاد.