22512 ورقة بحثية
تقدم هذه الورقة مساراً آلياً للتعلم العميق متكامل الأطراف يستخدم الأشعة المقطعية قبل الجراحة للتنبؤ بتسرب البنكرياس بعد الجراحة وتصنيف مخاطره، مما أظهر أداءً واعداً عبر بنيات ثلاثية الأبعاد متعددة لدعم تحسين اتخاذ القرار السريري.
تحدد هذه الورقة "فجوة اتساق ديناميكي-احتمالي" حيث تؤدي أهداف التدريب الاحتمالية القياسية للأنظمة الديناميكية الفوضوية إلى تدهور الديناميكيات الفيزيائية أو فصل عدم اليقين عن السلوك المماسي المحلي، وتقترح إطار عمل KAFFEE، وهو إطار عمل لمرشح كالمان الموسع القابل للتفاضل والذي يعالج ذلك من خلال مواءمة تقييم الأرجحية مع نمو التباين المدفوع بالمشتقة (Jacobian) محلياً.
تتقصى هذه الورقة ديناميكيات التعلم لرؤوس الانتباه في نماذج المحولات (Transformer) في مهام استدلالية متكافئة بنيوياً، كاشفةً أن التعلم الناجح يتضمن ظهور آليات تموضع وآليات رمزية متميزة، حيث تُظهر الأخيرة متانة وقدرة على التعميم على التسلسلات الأطول مقارنة بالأولى.
تقدم هذه الورقة "الانتباه الوظيفي" (Functional Attention)، وهو أسلوب تعلم عامل جديد يعيد تفسير الانتباه كعوامل خطية مهيكلة بين قواعد تكيفية لالتقاط التبعيات الوظيفية العالمية، مما يوفر بديلاً غير مرتبط بالدقة وقابلاً للتعميم لآلية الانتباه التقليدية القائمة على الرموز (token-wise attention) لمهام مثل حل المعادلات التفاضلية الجزئية (PDE) والتقسيم ثلاثي الأبعاد.
تقترح الورقة البحثية KLIP، وهو مقياس جديد للكشف عن البيانات خارج التوزيع للمشكلات العكسية يستفيد من تباعد كولباك - ليبلر بين التوزيعات المسبقة للانتشار والتوزيعات اللاحقة لتحديد وتوطين التحولات الطفيفة في التوزيع دون الحاجة إلى بيانات معايرة أو معرفة بالتوزيع المزاح.
تقترح هذه الورقة خوارزمية فعالة حاسوبياً لإكمال المصفوفات تستفيد من الرسوم البيانية والرسوم البيانية الفائقة الاجتماعية المرصودة لتحقيق عتبة حادة للاسترداد الدقيق، مما يثبت أن جودة الرسم البياني الفائق تقلل بشكل كبير من احتمالية العينة وتتفوق على الأساليب الحديثة في كل من التحليل النظري والتجارب الواقعية.
تقترح هذه الورقة نهجاً جديداً للتكيف مع النطاق من أجل الكشف المبكر عن المعلومات المضللة أثناء الأوبئة المعلوماتية، والذي يثبت نظرياً وتجريبياً ضرورة معالجة كل من انزياح المتغيرات وانزياح المفاهيم للتفوق على الأساليب الحالية المتطورة.
تقترح هذه الورقة البحثية إطار عمل GLEAN، وهو إطار دفاع معتمد يستفيد من تعلم العوامل السببية لفصل العلاقات السببية عن الارتباطات الزائفة، مما يمكّن النماذج من الحفاظ على ضمانات المتانة النظرية ضد الهجمات العدائية حتى عند مواجهة تحولات التوزيع عبر مجالات بيانات مختلفة.
توسع هذه الورقة منهجية أشجار التجميع القابلة للتفسير (E2Tree)، المصممة أصلاً للتصنيف، لتشمل سياقات الانحدار من خلال الاستفادة من مقاييس عدم التشابه لتمثيل العلاقات بين المتنبئ والاستجابة، وكذلك الارتباطات بين المتنبئات، بيانياً، مما يعزز شفافية نماذج الغابات العشوائية.
تستعرض هذه الورقة الحالة الراهنة للثغرات الأمنية في النماذج اللغوية الكبيرة، مع التركيز بشكل خاص على هجمات كسر الحماية (jailbreaking) وحقن الأوامر (prompt injection)، بينما تحلل استراتيجيات الدفاع الحالية، ومقاييس التقييم، والاتجاهات البحثية المستقبلية لتعزيز أمن النماذج اللغوية الكبيرة ونشرها الآمن.