22999 ورقة بحثية
يقدم هذا البحث إطار عمل PlanAhead لبيان تجريبي أن كلاً من اختيار تمثيل خطة اللغة الطبيعية (مثل الأهداف الفرعية المتسلسلة، أو السرد، أو الكود الزائف، أو قائمة التحقق) والنموذج اللغوي الكبير الأساسي يؤثران بشكل كبير على متانة ومعدلات نجاح الوكلاء الويب متعددي الوسائط في مهام WebArena الصعبة.
تقدم هذه الورقة إطار عمل للانتشار مشروط بالعلاج يستفيد من مشفر قائم على المحولات (Transformer) وقناع منطقة الاهتمام للتنبؤ بحالات دماغية مستقبلية عالية الدقة ودقيقة تشريحياً لأمراض التنكس العصبي، وذلك من خلال دمج صور (DaTscan) الطولية وبيانات جرعات الأدوية، متفوقة بذلك على الأساليب الحالية في الدقة السريرية والدقة الهيكلية.
تقدم هذه الورقة CLUBench، وهو معيار شامل لتقييم 24 خوارزمية تجميع عبر 131 مجموعة بيانات ليكشف أن الطرق التقليدية غالباً ما تضاهي أداء التعلم العميق، وأن الجمع بين التضمينات مسبقة التدريب والخوارزميات التقليدية فعال لبيانات النصوص والصور، وأن الهياكل منخفضة الرتبة يمكنها تقريب عملية اختيار النموذج بكفاءة.
تقترح هذه الورقة إطار عمل للتحسين متعدد الأهداف مستند إلى المعرفة بالمجال، يوازن بفعالية بين الصلة المكانية والقدرة الوظيفية على التمييز لتحديد مجموعات فرعية مدمجة وعالية الأداء من قنوات تخطيط كهربية الدماغ (EEG) لواجهات الدماغ والحاسوب القائمة على التخيل الحركي، متفوقة بذلك على الطرق التقليدية أحادية الهدف عبر مجموعات بيانات متعددة.
تقدم هذه الورقة Honeyval، وهو إطار تقييم شامل لمصائد الاختراق (honeypots) الخاصة ببروتوكول HTTP المدعومة بالنماذج اللغوية الكبيرة (LLM)، والذي يعالج نقص الاختبار القابل للتوسع والتكرار من خلال استخدام وكلاء اختراق يعملون بالذكاء الاصطناي وتطبيقات خلفية متنوعة، مبرهناً في النهاية على أن مصائد الاختراق القائمة على النماذج اللغوية الكبيرة توفر تفاعلات أطول بكثير مع المهاجمين ومعدلات كشف أقل مقارنة بالنماذج المرجعية القائمة على القواعد مع الحفاظ على كفاءة التكلفة.
تقدم هذه الورقة مشفرًا تلقائيًا لتقليل الضجيج بتركيبة تلافيفية كاملة (FC-DAE) تم تدريبه على بيانات مطيافية ارتباط الفوتونات بالأشعة السينية التجريبية، والذي يستعيد بفعالية الميزات الديناميكية المعقدة من دالات الارتباط ذات نسبة الإشارة إلى الضجيج المنخفضة مع استيعاب أبعاد مدخلات عشوائية والحفاظ على دقة هيكلية عالية.
تقترح الورقة البحثية إطار عمل EVL-ECG، وهو إطار عمل مبتكر يستخدم تقنيات تقطير المعرفة غير المتجانسة متعددة الجوانب للتغلب على القيود الحسابية للنماذج التأسيسية الضخمة، مما يتيح تفسيراً عالي الدقة وفعالاً لتخطيط كهربائية القلب (ECG) بما يتناسب مع البيئات السريرية محدودة الموارد.
تكشف هذه الورقة أن الانحرافات العددية الطفيفة الناتجة عن مكونات محددة في نظام الاستدلال (مثل المحركات، والواجهات الخلفية، والأجهزة) تنتقل إلى مخرجات النماذج اللغوية الكبيرة، مما يتيح طريقة جديدة لتحديد البصمة تُمكّن من التعرف بشكل موثوق على هذه الأنظمة الأساسية، وتُظهر أن المنع التام لمثل هذا التحديد أمر صعب جوهرياً.
تقدم هذه الدراسة إطار عمل ثنائي المراحل يعمل على مواءمة صور خلايا الدم البيضاء الفردية مع البيانات الجينية الصبغية والجسدية لإنشاء تمثيلات مرضية مستنيرة جينياً، والتي تتفوق بشكل كبير على النماذج التأسيسية الحالية لعلم الأمراض النسيجي في تشخيص أمراض الدم وتتيح الاسترجاع الفعال للأمراض والتغيرات الجينية.
تقدم الورقة البحثية إطار عمل MIC، الذي يعزز تعلم التمثيل متعدد المقاييس من خلال توظيف تنظيمات "الانهيار الناعم" (Soft Collapse) و"التماثل الطيفي" (Spectral Isotropy) ضمن هدف التقطير الذاتي للقضاء على الفائض البعدي وضمان الانتظام الطيفي، مما يؤدي إلى تحسين السعة المعلوماتية والقدرة التمييزية بشكل كبير في سيناريوهات الضغط العالي.