22512 ورقة بحثية
تقترح هذه الورقة طريقة جديدة للاستدلال المتغير للتدرج العشوائي الواعي بالضجيج، والتي توسع نطاق الاستدلال البايزي ذي الخصوصية التفاضلية ليشمل النماذج عالية الأبعاد وغير المترافقة، مما يوفر تقييمات دقيقة للمواقع اللاحقة وتنبؤات جيدة المعايرة حيث تفشل النهج الحالية.
تقدم هذه الورقة إطار عمل "هومولوجيا التداخل" (overlap homology) الخالي من المقاييس، والذي يستفيد من البنية الخطية المجزأة لشبكات "ReLU" العصبية لتعريف فضاء قسمة، مما يتيح الحساب الجوهري لأعداد "بيتي" (Betti numbers) التي تتبع الميزات الطوبولوجية البحتة للتمثيلات العصبية بدلاً من الميزات الهندسية.
تقترح هذه الورقة وتقيّم إطار عمل متعدد الوسائط وقابلاً للتركيب يدمج التصوير بالرنين المغناطيسي القلبي السينمائي، والمقاييس السريرية المهيكلة، والسجلات النصية غير المهيكلة لتحقيق دقة فائقة في التنبؤ بنتائج فشل القلب وتحسين خطط العلاج الشخصية.
يقدم البحث إطار عمل DSMIL-LocNet، وهو إطار تعلم متعدد الحالات ضعيف الإشراف يتيح كلاً من التصنيف والتحديد الزمني الدقيق لنداءات الحيتان في التسجيلات الصوتية الحيوية طويلة المدة باستخدام ملصقات الوجود/الغياب على مستوى التسجيل فقط، مما يتغلب على قيود القابلية للتوسع التي تفرضها الأساليب الخاضعة للإشراف الكامل والتي تتطلب توصيفات شاملة على مستوى الإطارات.
تقدم هذه الورقة نموذجاً خفيفاً ومتطوراً للكشف عن النصوص السياسية الإقناعية، تم ضبطه بدقة على إعلانات فيسبوك الخاصة بالانتخابات الأسترالية للكشف عن استراتيجيات الإقناع المتميزة عبر التمويل، والديموغرافيا، والتوقيت، مما يعزز الشفافية ووعي الناخبين في الحملات الرقمية.
تقترح هذه الورقة خوارزمية تجريبية جديدة تربط بشكل موثوق بين أنماط الشبكات العصبية المدربة بشكل مستقل عبر نطاق أوسع من البنيات الحديثة ومعلمات التدريب الفائقة، متجاوزةً بذلك قيود الطرق الحالية التي تقتصر على النماذج التقليدية.
تقترح هذه الورقة إطار تدريب تعاوني يدمج شبكة تقدير التباين مع شبكة عصبية بايزية لفك الارتباط بفعالية بين عدم اليقين العشوائي وعدم اليقين المعرفي مع تحسين تقدير المتوسط عبر مجموعات بيانات متنوعة.
تقترح هذه الورقة إطار عمل جديد لتعلم التعزيز متعدد الوكلاء غير المتصل (offline multi-agent reinforcement learning) يعالج تحديات الانزياح التوزيعي والتنسيق متعدد الأنماط في المهام التعاونية من خلال توظيف طريقة تفكيك الدرجة التسلسلية (sequential score decomposition) مدمجة مع نماذج توليدية قائمة على الانتشار (diffusion-based generative models) لتوجيه تحديثات السياسة نحو مناطق عالية المكافأة وضمن التوزيع، محققةً أداءً هو الأفضل في فئته عبر معايير اختبار متنوعة.
تقدم هذه الورقة البحثية SGShift، وهي طريقة مبتكرة تصيغ انزياح المفاهيم في البيانات الجدولية كمسألة اختيار ميزات لتحديد مجموعة متفرقة من الميزات المنزاحة المسؤولة عن تدهور أداء النموذج عبر النطاقات بدقة باستخدام أدوات إحصائية قابلة للتفسير.
تكشف هذه الورقة أن نموذج تسعير الدفع مقابل كل رمز (token) الحالي للنماذج اللغوية الكبيرة يخلق حافزاً مالياً للمزودين للإبلاغ الخاطئ عن أعداد الرموز وتحصيل رسوم زائدة من المستخدمين، وهي ثغرة تستمر حتى مع وجود متطلبات الشفافية ولكن يمكن التخفيف من حدتها عبر اعتماد آلية تسعير قائمة على عدد الحروف تظل مربحة للمزودين.