22999 ورقة بحثية
تقترح هذه الورقة طريقة STARS، وهي طريقة تقطير معرفة خالية من البيانات وقابلة للتشغيل المباشر (plug-and-play)، تعمل على تعزيز تحويل الشبكات العصبية الاصطناعية إلى شبكات عصبية نبضية (ANN-to-SNN) عبر تعزيز مطابقة التقييس الدفعي القياسي بمحاذاة الاتساق العلاقاتي والتنظيم المدرك للذيل، وذلك لالتقاط ديناميكيات تجاوز العتبة للشبكات العصبية النبضية بشكل أفضل.
تقدم هذه الورقة نموذج تهديد الباب الخلفي على مستوى الدائرة (CULT) لتوضيح كيف يمكن للعملاء الخبيثين استغلال الآليات الخاصة بالكم في التعلم الاتحادي الكمي لإحداث تدهور حاد في الدقة بشكل خفي، مما يكشف أن آليات الدفاع الحالية غالباً ما تفشل في منع حالات الفشل الأسوأ.
تستعرض هذه الدراسة المسحية بشكل منهجي كيف تعالج نماذج "خليط الخبراء" (MoE) تحديات التعلم متعدد الوسائط من خلال عملها كمحرك كفء، ومتعلم للتمثيلات، ومحول مرن، مع تحديد الفجوات البحثية الحرجة لتوجيه التطوير المستقبلي لأنظمة متعددة الوسائط قابلة للتفسير ومستدامة.
تقدم هذه الورقة إطار عمل موحداً للنماذج اللغوية الصغيرة للبحث الدلالي الصناعي، والذي يدمج مهام فهم الاستعلام المجزأة في نظام توليد واحد مقيد بالمخطط، مدعوماً بـ "مُضيء الاستعلام" (Query Illuminator) لوسم البيانات والتقييم، مما نجح في تحسين تفاعل المستخدم وتقليل التكاليف في أنظمة بحث الوظائف والأشخاص في LinkedIn مع الالتزام بقيود زمن الاستجابة الصارمة.
تقدم هذه الورقة AgensFlow، وهو إطار عمل مفتوح المصدر يعامل تنسيق الوكلاء المتعددين كمسألة تعلم سياسة عبر الإنترنت في ظل قابلية الملاحظة الجزئية، مبرهناً أن التوجيه المتعلم والقابل للتدقيق يتفوق على المسارات الثابتة في سير العمل المعقد من خلال التحسين الديناميكي للقرارات المتعلقة بالمهارات، والأدوار، والنماذج، والطبولوجيا.
تقترح الورقة البحثية SignGAD، وهو إطار عمل مبتكر يعالج أوجه القصور في خطوط المعالجة الثابتة وضعف الأدلة في اكتشاف الشذوذ في الرسوم البيانية ببيانات قليلة، وذلك عبر إعادة صياغة المهمة كتدفق عمل وكيل ذاتي التصميم يختار ديناميكياً أفضل عمليات الترميز وأجهزة الكشف مع توظيف استراتيجية إعادة ضبط مُحرسة لضمان الموثوقية في ظل الإشراف المحدود.
تحدد هذه الورقة أن الاستدلال البايزي القياسي لمتوسط أثر العلاج الشرطي (CATE) في نظام العلاجات الوهمية القليلة يعاني من نقص التغطية بسبب التحيز غير المُمذل في الذراع النادرة، وتقترح GP-CATE، وهي طريقة قائمة على العمليات الغاوسية تدمج بشكل مباشر عدم اليقين الخاص بالذراع النادرة في التوزيع اللاحق لتحقيق فترات عدم يقين معايرة.
تقدم هذه الورقة مُقدِّراً جديداً للاستدلال السببي يستعيد في آنٍ واحد دالة متوسط الاستجابة للجرعة ويوفر تشخيصات متينة وغير مرتبطة بالمنهجية للأحداث المتطرفة في ذيول التوزيع، متجاوزاً بذلك بفعالية قيود التعلم الآلي المزدوج القياسي في كبح النتائج ذات الذيول الثقيلة، ومتفوقاً على الأساليب الحالية في الدقة والموثوقية في سيناريوهات المخاطر العالية وندرة البيانات.
تقترح هذه الورقة طريقة للتحكم في المقايضة بين الدقة والتنوع في نماذج الانتشار من خلال توصيف انتباه المحول كذاكرة ترابطية، وتفكيكه إلى مكونات متماثلة وغير متماثلة اشتقاقياً لاستخلاص مقاييس استقرار على طراز هوبفيلد، وتعديل الدوران غير المتماثل اشتقاقياً لموازنة جودة التوليد وتنوعه.
تقدم هذه الورقة بروتوكولاً تكرارياً للاكتشاف السببي للبيانات المستمرة، يخصص شهادات قابلية التحديد لكل حافة واستعلامات لأنماط الفشل عبر خمس طبقات بوابية، مما يضع حداً نظرياً أقصى قدره من تفاعلات الخبراء لاستعادة أي مخطط موجه غير حلقي (DAG) بشكل كامل.