22999 ورقة بحثية
تحدد هذه الورقة المعدلات المثلى وتوفر خوارزمية مطابقة لاختبار الفرضيات ذي الخصوصية التفاضلية باستخدام قيم-e، مما يثبت كفاءة أعلى في استخدام البيانات مقارنة بالطرق الحالية مثل DP-SPRT في كل من الإعدادات الثابتة والمتتالية.
تقدم هذه الورقة نسبة المحاذاة اللوغاريتمية (LAR)، وهي أداة تشخيصية فعالة حاسبياً تُستخدم أثناء وقت التدريب، وتعمل على قياس التداخل بين أطياف الأوزان والتنشيط للتنبؤ بالانتقال من الحفظ إلى التعميم وتقدير الأبعاد الفعالة للنموذج دون الحاجة إلى بيانات التحقق.
تُرسخ هذه الورقة تقابلاً رياضياً دقيقاً بين تدريب التعلم العميق ومعضلات القيمة الأولية لمعادلات هاميلتون-جاكوبي، مما يوحد بنيات الشبكات العصبية، والجبر الاستوائي، والمعادلات التفاضلية الجزئية اللزجة، والتحسين المحدب تحت معلمة تشوه واحدة لاستخلاص رؤى نظرية دقيقة حول التعميم، والمتانة، والإسناد.
تقدم هذه الورقة البحثية BrainSimSiam، وهو إطار عمل للتعلم الخاضع للإشراف الذاتي خفيف الوزن يستفيد من أزواج البيانات الإيجابية فقط لتوليد تمثيلات رنين مغناطيسي وظيفي (fMRI) قوية وثابتة تجاه المهام، مما يتغلب بفعالية على تحديات ندرة البيانات وفرط التخصيص مع التفوق على النماذج المرجعية الخاضعة للإشراف في مهام التصوير العصبي المتنوعة.
تقدم هذه الورقة أول دراسة منهجية لهجمات حقن الأوامر (prompt injection) في العالم الحقيقي في عمليات فحص السير الذاتية القائمة على النماذج اللغوية الكبيرة (LLM)، حيث حللت 200,000 سيرة ذاتية لتكشف أن ما يقرب من 1% منها يحتوي على حقن مخفي، وأن انتشارها في تزايد، وأن معظمها لا يستخدم تعليمات صريحة.
تقدم هذه الورقة FormInv، وهو بروتوكول قياس يكشف كيف تؤدي عيوب الثبات الدلالي في معايير قياس الاستدلال الرياضي إلى تشويه تصنيفات النماذج، ويكشف عن فجوة حرجة بين الدقة الإجمالية والاتساق الدلالي، مما يثبت أن خيارات تصميم المعايير تحدد ضمنياً أي النماذج تبدو متفوقة.
يُعد FedQHD طريقةً للتعلم التعزيزي الاتحادي ذات صيغة مغلقة، تستفيد من المشفرات فائقة الأبعاد والمخركات الخطية لتحقيق تجميع متسق في فضاء الدوال، مما يجسّر الفجوة بفعالية بين التمثيلات غير المتجانسة للعملاء من خلال إطار عمل إسقاط مبتكر يعتمد على نموذج المعلم والطالب، مع التفوق على النماذج المرجعية الحالية في الكفاءة والأداء.
تُعد LoRe غلافاً (wrapper) يعمل في وقت الاستنتاج ولا يتطلب تدريباً، يعزز قابلية التوسع للمحللات العصبية القائمة على الانتشار للتحسين التوافقي عبر توجيه تقييمات التفاعل لكل خطوة ديناميكياً إلى الحواف ذات الصراع العالي أو عدم اليقين العالي، مما يحقق تسريعاً كبيراً وتقليلاً في الذاكرة مع الحفاظ على جودة الحل في المشكلات واسعة النطاق مثل MIS وTSP.
تقترح هذه الورقة البحثية "الاعتلاج عبر النماذج" (Cross-Model Entropy - CME)، وهو إشارة مكافأة للتعلم التعزيزي خالية من الملصقات، تستفيد من لوغاريتم احتمالية حدوث مخرجات النموذج المولد تحت نموذج تحقق مستقل لتمكين التدريب اللاحق الفعال لاتباع التعليمات مفتوحة النطاق دون الاعتماد على ملصقات الحقيقة الأرضية أو التفضيلات البشرية.
تتقصى هذه الورقة تطبيق نماذج الانتشار الشرطية لمحاكاة المخاريط الضوئية لخط الـ 21 سم الكوني ثلاثي الأبعاد، مظهرةً أنه في حين يتيح المعالجة المسبقة بطريقة "يو-جونسون" مقترنة بضغط السعة المتوسط استقرار التدريب ودقة قوية للإشارة العالمية، إلا أن النماذج الناتجة لا تزال تظهر انحيازات ملموسة في الإحصاءات من الرتب العليا، مما يؤسس خط أساس حاسم على مستوى المحاكاة لدراسات المحاكاة ثلاثية الأبعاد المستقبلية.