22512 ورقة بحثية
تقدم هذه الورقة بروتوكولاً عاماً خالياً من التفرد يعتمد على الثوابت، يقوم بتحويل إعداد الحالة الكمومية ذات الأبعاد المحدودة إلى مسألة مكافئة لكيوبت واحد لتخليق مجالات تحكم سلسة وقابلة للتنفيذ عتادياً، قادرة على تحقيق نتائج عالية الدقة في الأنظمة الكمومية المفتوحة غير الماركوفية، سواء كانت مشخصة أو غير مشخصة.
تقيم هذه الورقة بشكل منهجي معايرة خمسة نماذج تأسيسية حديثة للسلاسل الزمنية، وتجد أنها معايرة بشكل أفضل باستمرار وأقل عرضة للثقة المفرطة المنهجية مقارنة بالنماذج المرجعية عبر سيناريوهات تنبؤ مختلفة.
تكشف هذه الورقة أن طرق نسيان النماذج اللغوية الكبيرة الحالية تفشل في تحقيق النسيان الحقيقي تحت فك التشفير الاحتمالي، حيث تقدم مقياس \texttt{leak@} لتقدير هذه الثغرة وتقترح خوارزمية \texttt{RULE} للتخفيف بفعالية من تسرب المعرفة عبر عدة معايير مرجعية.
تقترح هذه الورقة استراتيجية تهيئة مستنيرة مبتكرة للتعلم المستمر لتمثيلات الرسوم البيانية للمعرفة، والتي تستفيد من المخطط والتمثيلات السابقة لتعزيز الأداء التنبؤي، وتقليل النسيان الكارثي، وتسريع التدريب للرسوم البيانية التي يتم تحديثها بشكل متكرر.
تقترح هذه الورقة طريقة حوسبية مبتكرة قائمة على المحاكاة باستخدام الشبكات العصبية العميقة لحل مشكلات التوريد المشترك العشوائية عالية الأبعاد من خلال تقريبها كمسائل تحكم نبضي في زمن مستمر مرتبطة بمعادلات تفاضلية عشوائية خلفية، محققةً أداءً يطابق أو يتجاوز المعايير المرجعية الحالية لما يصل إلى 50 وحدة حفظ مخزون.
تقدم هذه الورقة البحثية MiAD، وهو نموذج انتشار مشترك متماثل (equivariant) يستخدم تقنية "حقن السراب" (mirage infusion) المبتكرة لتغيير عدد الذرات ديناميكيًا أثناء عملية التوليد، مما يحسن بشكل كبير من اكتشاف المواد البلورية المستقرة والفريدة والجديدة مقارنة بالنهج الحالية المتطورة.
يُعد ReflexGrad بنية ثنائية العمليات تُمكّن وكلاء النماذج اللغوية الكبيرة من التعافي من الإخفاقات داخل الحلقة دون الحاجة إلى نماذج توضيحية، وذلك عبر التوجيه الديناميكي بين التحسين المستمر السريع والتشخيص السببي البطيء، محققاً مكاسب كبيرة في أداء مهام ALFWorld عبر مختلف مقاييس النماذج.
تقدم الورقة البحثية E-valuator، وهو إطار عمل خفيف الوزن ومستقل عن النموذج يحول درجات الموثق (verifier) ذات الصندوق الأسود إلى قواعد قرار صالحة إحصائياً باستخدام اختبار الفرضيات المتسلسلة وعمليات e (e-processes) لمراقبة مسارات الذكاء الاصطنا�ي الوكيل بشكل موثوق، والتحكم في معدلات الإنذار الكاذب، وتمكين الإنهاء المبكر للتسلسلات الفاشلة.
تقدم هذه الورقة البحثية DCFO، وهي طريقة جديدة تعتمد على الكثافة لتوليد تفسيرات مضادة فعالة لخوارزمية عامل الشذوذ المحلي (LOF) من خلال تقسيم فضاء البيانات لتمكين التحسين القائم على التدرج، مما يظهر أداءً متفوقًا في القرب والصلاحية عبر 50 مجموعة بيانات.
تقترح هذه الورقة نموذجاً للتعلم العميق يتكون من ثلاثة مكونات تدمج بين الترميز العصبي المتكافئ، والوصف الرمزي العصبي للأجسام، واتخاذ القرار المتكرر لمحاكاة أداء التدوير الذهني البشري وأوقات الاستجابة بدقة، وهو ما تم التحقق من صحته من خلال كل من الدراسات السابقة وتجارب الواقع الافتراضي التفاعلية الجديدة.