23088 ورقة بحثية
تُعد HealthCraft بيئة تعزيز تعلم عامة ومبتكرة صُممت لتقييم النماذج اللغوية الرائدة في طب الطوارئ عبر محاكاة سير عمل سريري واقعي مع معايير سلامة صارمة ذات طبقتين، مما كشف عن معاناة النماذج الحالية من انهيار شبه كامل في الأداء في المهام متعددة الخطوات، وسلط الضوء على الأهمية البالغة لدقة البنية التحتية في تقييمات السلامة.
تقترح هذه الورقة نموذجاً لخفض الرتبة يعتمد على حقل عصبي شرطي، والذي يحقق، عند دمجه مع شبكة LSTM، تنبؤاً مكانياً-زمانياً دقيقاً وفعالاً من حيث المعلمات لأحمال غرق الطائرات، مع تقديم مرونة فائقة مقارنة بالطرق التقليدية القائمة على الشبكات من خلال التعامل مع التجزئات المكانية غير المتجانسة.
تقيم هذه الورقة أربع طرق لتفسير الشبكات العصبية الرسومية على بيانات سرطان الثدي للكشف عن بصمات طوبولوجية متميزة لمراكز المرض، وتقترح إطار عمل توافقياً يدمج هذه النهج المتكاملة لتحسين ترتيب أولويات جينات السرطان النموذجية واستعادة مسارات الإشارات المتماسكة بيولوجياً بشكل كبير.
تقترح هذه الورقة إطار عمل RAP، وهو إطار للتنبؤ بالأداء يستفيد من المهام المماثلة المسترجعة وبرامج التلقين (prompt programs) لبناء توزيع احتمالي مسبق تقريبي، مما يعالج بفعالية عدم موثوقية التلقين باستخدام النماذج اللغوية الكبيرة عبر التمييز بين توزيع أدائها المنتشر وطبيعة البرامج الرمزية القائمة على مبدأ "الكل أو لا شيء".
تقدم هذه الورقة إطار عمل لمحاذاة المسار أثناء الاستدلال لتحليل هندسة الحصر لوكلاء النماذج اللغوية الكبيرة، كاشفةً أن الأداء الأمثل يتطلب غالباً سير عمل جزئياً بدلاً من كونه مهيكلاً بالكامل عبر الموازنة بين تفكيك المهام والتنفيذ الموجّه لتجنب أنماط الفشل مثل الإفراط في التفكيك والهلوسة.
تقترح هذه الورقة نهجاً قائماً على الشبكات العصبية لتسريع تقسيم الرسوم البيانية الطيفي من خلال تقريب متجه فيدلر، مما يحقق جودة تقسيم مماثلة للطرق التقليدية مع تقليل العبء الحسابي بشكل كبير وتحسين القابلية للتوسع للمشكلات واسعة النطاق.
تقدم الورقة البحثية **Protein Thoughts**، وهو إطار عمل تفسيري لاكتشاف التفاعلات بين البروتينات يجمع بين دالة قيمة شفافة تفكك أدلة الارتباط إلى أربع إشارات بيولوجية وبين بحث "شجرة الأفكار" الموجه بالفرضيات ومطابقة التدفق في فضاء التضمين لتحقيق دقة تنبؤ رائدة مع توفير تبرير ميكانيكي لتصنيفاتها.
تقدم هذه الورقة البحثية yvsoucom-iterkit، وهو إطار عمل للتعلم الآلي المؤتمت (AutoML) حتمي وقائم على السجلات، يعمل على تحسين مسارات التنبؤ بالمخاطر الصحية من خلال ترميزها ككيانات قابلة للتتبع، كاشفاً أن الأداء محكوم بمجموعة فرعية صغيرة من المكونات عالية التأثير مثل تعزيز البيانات ومعالجة عدم التوازن، مع تحقيق نتائج مستقرة وقابلة للتكرار عبر تكوينات متنوعة.
تقدم هذه الورقة البحثية Adaptive RBF-KAN، وهو إطار عمل مبتكر يعزز شبكات كولموغوروف-أرنولد (Kolmogorov-Arnold Networks) من خلال دمج نواة دوال القاعدة الشعاعية المتنوعة (بما في ذلك Matérn وWendland) وتوظيف التحقق المتقاطع بأسلوب "ترك عنصر واحد خارج الاختبار" (leave-one-out cross-validation) للتهيئة القائمة على البيانات لمعلمات شكل النواة، مما يؤدي إلى تحسين أداء النموذج عبر أنواع مختلفة من الدوال مقارنة بالنهج الحالية القائمة على RBF.
تقترح الورقة البحثية DualOptim+، وهو إطار تحسين مبتكر يربط بين حالات المُحسِّن المشتركة والمنفصلة لتحقيق توازنات فائقة في عملية محو تعلم النماذج اللغوية الكبيرة، إلى جانب نسخة مكممة موفرة للذاكرة تسمى DualOptim+ 8bit.