22999 ورقة بحثية
تقدم هذه الورقة أول إطار نظري وخوارزمية تحسب تفسيرات تركيبية مثالية مضمونة للخلايا العصبية عبر فضاء الحالة بأكمله، مما يكشف أن 10-40% من نتائج البحث الشعاعي السابقة هي دون المستوى الأمثل، مع تقديم بديل أكثر مرونة وكفاءة.
يستكشف هذا الاستطلاع الروابط الرياضية بين طرق الانتشار والنقل الأمثل في تعلم الآلة، موضحاً كيف يوحد إطار عملهم اللاغرانجي المشترك لنمذجة التوزيعات الاحتمالية المتطورة زمنياً تطبيقات تتراوح من أخذ العينات في الذكاء الاصطناي التوليدي، وتحسين الشبكات العصبية، وصولاً إلى تحليل ديناميكيات النماذج اللغوية الكبيرة.
تقدم هذه الورقة البحثية TinyDéjàVu، وهو إطار عمل مفتوح المصدر ومجموعة من الخوارزميات التي تعمل على تحسين تدفقات البيانات لاستنتاج الشبكات العصبية على المتحكمات الدقيقة محدودة الموارد، محققةً خفضاً يصل إلى 90% في استخدام ذاكرة الوصول العشوائي (RAM) مع زمن انتقال مماثل للطرق السابقة لمعالجة تدفقات بيانات المستشعرات.
تقدم هذه الورقة Ariel-ML، وهي مجموعة أدوات مفتوحة المصدر بلغة Rust مخصصة للأنظمة المدمجة تعمل على أتمتة الاستدلال المتوازي لنماذج TinyML على المتحكمات الدقيقة متعددة الأنوية غير المتجانسة، مما يظهر أداءً فائقاً في زمن الاستجعة مع الحفاظ على بصمات ذاكرة مماثلة للحلول التقليدية المكتوبة بلغتي C/C++.
تقدم هذه الورقة البحثية AdvJudge-Zero، وهي طريقة تثبت أن الأحكام الثنائية لنموذج "النموذج اللغوي الكبير كحكم" (LLM-as-a-Judge) يمكن قلبها بنسب نجاح عالية باستخدام رموز قصيرة ومنخفضة الارتباك (low-perplexity) يتم أخذ عينات منها من توزيع الحكم نفسه، وتقترح آلية دفاع قائمة على تقنية LoRA تخفف بفعالية من هذه الهجمات العدائية وتمنع انهيار المكافأة في تدريب التعلم المعزز من التغذية الراجعة البشرية (RLHF).
تقدم هذه الورقة البحثية DFORM، وهو إطار عمل شامل يتعلم تحويلات إحداثية غير خطية لمحاذاة الحقول المتجهة للأنظمة الديناميكية، مما يتيح مقارنة التكافؤ الطوبولوجي عبر النماذج وتحديد الأنماط الميكانيكية منخفضة الأبعاد داخل الفضاءات عالية الأبعاد مثل الشبكات العصبية المتكررة.
تستعرض هذه الورقة البحثية بشكل منهجي وتقارن أداء نُهج الشبكات العصبية الرسومية (GNN) للكشف عن مصادر الأوبئة، مُثبتةً من خلال إعادة الإنتاج الصارمة والتجارب المنضبطة أن الشبكات العصبية الرسومية تتفوق بشكل جوهري على الطرق التقليدية والطرق القائمة على الإدراك متعدد الطبقات (MLP) عبر مختلف تضاريس الشبكات، مما يرسخ هذه المهمة كمعيار مرجعي قوي لتقييم بنيات الشبكات العصبية الرسومية.
تقدم هذه الورقة إطار عمل لقابلية النقل في سياق التعلم من عينات قليلة، والذي يحدد قابلية نقل الوحدات والدوائر لتمكين التنبؤ بأسلوب الصفر أو العينات القليلة عبر تركيب الآليات السببية المتعلمة من نطاقات المصدر، مع توفير ضمانات نظرية للخطأ وطريقة قائمة على التدرج للتكيف مع مهام الهدف بأدنى قدر من البيانات.
تقترح هذه الورقة وتقيم إطار عمل للتعرف على الأحمال غير المباشر (NILM) متصلاً بالسحابة ويعمل في الوقت الفعلي لمراقبة المحركات الحثية المتطابقة في صناعة المنسوجات في بنغلاديش، مما يثبت كفاءة تقدير الطاقة الإجمالية مع تسليط الضوء على التحديات الكبيرة المتمثلة في تفكيك الأحمال المتطابقة واقتراح تحسينات مستقبلية من خلال التعلم العميق المتقدم وجمع البيانات بتردد أعلى.
تُثبت هذه الورقة أن المعلومات النحوية والدلالية في نموذج DeepSeek-V3 اللغوي الضخم مشفرة جزئياً بشكل خطي وموزعة بشكل متفاوت عبر الطبقات، كما يتضح من القدرة على فك الارتباط بين هذه الإشارات من خلال طرح مراكز التمثيلات المتوسطة.