22999 ورقة بحثية
تقدم هذه الورقة البحثية "Eulerian Gaussian Splatting"، وهو إطار عمل لمجال الإشعاع الاحتمالي يستبدل التلاعب الكثيف بالمعايير التجريبية (heuristic) بتحسين قائم على التدرج لكثافة احتمالية حجمية قابلة للتعلم باستخدام أهرامات احتمالية مُجزأة (hashed probability pyramids)، مما يحقق جودة إعادة بناء رائدة في mip-NeRF 360 مع الحفاظ على سرعة رندرة بمستوى 3DGS.
تُبين هذه الورقة أن الانحياز الاستقرائي العملي للشبكات العميقة المدربة لا يتحدد فقط ببنيتها، بل بكيفية قيام ديناميكيات التدريب — وتحديداً معدل التعلم، واختيار المُحسِّن، والتنظيم — بتصفية أو محو ذاكرة التهيئة العشوائية، حيث يحافظ خوارزم التدرج النازل العشوائي (SGD) ذو معدل التعلم المنخفض على هذا الانحياز الأولي، بينما تقوم الطرق التكيفية والتحكم الصريح في المعيار بمحوه بفعالية.
تقدم الورقة البحثية Parallax، وهو آلية انتباه خطي محلي (Local Linear Attention) مُعلمة، قابلة للتوسع ومستقرة عددياً، تحقق تحسينات باريتو في نمذجة اللغة من خلال القضاء على اختناقات الحوسبة في الـ LLA، وتحسين كفاءة الأجهزة، وإظهار تآزر مبتكر مع مُحسّن Muon.
تقدم الورقة البحثية ProtoCol، وهو نموذج للبحث عن تماثل البروتينات يستفيد من التفاعل المتأخر بأسلوب ColBERT عبر تمثيلات البقايا (residue-level embeddings) ليتفوق على طرق المحاذاة والتمثيل المجمّع الحالية في تحديد المتماثلات البعيدة ضمن "منطقة الشفق" (twilight zone) من تشابه التسلسل.
تقدم الورقة البحثية TIMEGATE، وهو إطار عمل للسياسات من أجل تعلم آلي مستمر ومستدام يعمل على تحسين دورات التكيف المقيدة بالموارد عبر موازنة الوقت والحوسبة، وذلك باستخدام إشارة توفر المقياس لتمكين عمليات التقييم الجزئي التي تقلل بشكل كبير من تكاليف الطاقة ووقت التنفيذ مع الحفاظ على الدقة عبر نماذج ومجموعات بيانات متنوعة.
تقدم هذه الورقة البحثية "الرفع العشوائي" (Stochastic Lifting)، وهي طريقة تهدف إلى نمذجة الأنظمة الفيزيائية العشوائية السلسة من خلال تعزيز انتقالات الحالة بملصقات عشوائية مستقلة عالية الأبعاد لتعلم خريطة حتمية قادرة على توليد مسارات متنوعة وغير منهارة عبر الاستدلال ذاتي الانحدار.
تقترح هذه الورقة طريقة استدلال على العضوية بنظام الصندوق الأسود تحقق دقة تصل إلى 98.6% في تدقيق نماذج الموسيقى التوليدية، وذلك عبر الاستفادة من المحاذاة الدلالية والهيكلية الأقوى بين بيانات التدريب ومخرجات النموذج المشروطة بالوصف للتحقق من أصل البيانات دون الوصول إلى معاملات النموذج.
تقدم هذه الورقة مكتبة libhmm، وهي مكتبة C++20 حديثة وخالية من الاعتمادات الخارجية لنماذج ماركوف الخفية، تسد الفجوات الحرجة في البرمجيات الجاهزة للإنتاج عبر تنفيذ مقدرات الاحتمال الأقصى الصحيحة لتوزيعات انبعاث متنوعة، وحسابات كاملة في فضاء اللوغاريتم، وأداءً معززاً بتقنية SIMD مع روابط لغة بايثون.
تقدم هذه الورقة طريقة "الصندوق الأسود" التي تستنتج حدوداً دنيا متحفظة لعدد المعلمات في النماذج اللغوية الكبيرة من خلال تحليل دقة حفظها للنصوص الشائعة، مما يتيح ترتيب أحجام النماذج والكشف عن استراتيجيات التوسع الخفية في الصناعة حتى بالنسبة للأنظمة ذات الأوزان المغلقة.
تُظهر هذه الدراسة أنه في حين أن التعلم العميق المطبق على شبكات بنية البروتين الديناميكية يحقق دقة تضاهي التعلم الآلي التقليدي في تصنيف بنية البروتين، إلا أنه أقل كفاءة بشكل ملحوظ، حيث يكون أبطأ بمعدل يزيد عن 10 مرات.