23121 ورقة بحثية
تقدم هذه الورقة الشبكة التلافيفية للرسم البياني الموجه غير الدوري (DCN) ومتغيرها المتوازي (PDCN)، وهما بنيتان مبتكرتان للشبكات العصبية الرسومية القائمتان على مبادئ معالجة الإشارات الرسومية، واللتان تستفيدان من مرشحات الرسم البياني السببية للتعلم بفعالية من البيانات ذات البنية الموجهة غير الدورية، مع تقديم دقة وتحسن في المتانة والكفاءة الحسابية مقارنة بالنماذج المرجعية الحالية.
تُثبت هذه الدراسة أن مسار التعلم الاتحادي الحافظ للخصوصية، والذي يجمع بين تضمينات النصوص المجمدة ومصنفات الشبكات العصبية متعددة الطبقات (MLP) خفيفة الوزن، يحقق أداءً تنافسياً لتصنيف رموز ICD متعددة التسميات في ملاحظات MIMIC-IV السريرية، مما يثبت أن جودة التضمين أكثر أهمية من تعقيد النموذج لضمان قابلية التوسع في الذكاء الاصطناعي الطبي.
تقدم هذه الورقة أطر عمل قائمة على الانتشار والتدفق لنمذجة الكوبولا (copulas) التي تنسى تدريجياً ثم تتعلم استعادة التبعيات بين المتغيرات، مما يتيح نمذجة فائقة للبيانات المعقدة، وعالية الأبعاد، ومتعددة الأنماط مقارنة بالنهج الحالية المتطورة.
تقترح الورقة البحثية "المؤثر العصبي التفاضلي-التكاملي" (DINO)، وهو إطار عمل مبتكر يفكك ديناميكيات الاضطراب إلى فروع محلية تفاضلية وفروع عالمية تكاملية متوازية للتغلب على تراكم الأخطاء وتحقيق تنبؤ مستقر ومتسق فيزيائياً للاضطراب على المدى الطويل.
تقدم هذه الورقة التدريب الهجين (HyT)، وهو إطار عمل لنماذج الرؤية واللغة والعمل التي تستفيد من استدلال تسلسل الأفكار أثناء التدريب لتحسين الأداء مع السماح للنموذج بتخطي توليد الأفكار أثناء الاستنتاج لتقليل زمن الاستجابة وتعزيز القابلية للاستخدام في العالم الحقيقي.
يُعد FieldFormer بنية محولات (transformer) خالية من الشبكات مصممة لشبكات الاستشعار المتفرقة، حيث يستفيد من تجميع الجوار المعتمد على السرعة والمدرك للمحلية لتحقيق إعادة بناء مكاني-زماني قوي عبر التركيز على نمذجة فضاء المستشعرات القابلة للتمييز بدلاً من الاسترداد غير المقيد للحقل الشامل.
تقترح الورقة البحثية "المُنقّب العصبي للانتشار التقريبي" (PDNS)، وهو إطار عمل يعالج مشكلة انهيار النمط في أخذ العينات القائم على الانتشار من التوزيعات متعددة الأنماط عبر إعادة صياغة مهمة التعلم كمسألة تحكم أمثل عشوائي يتم حلها عبر طريقة النقطة التقريبية على مقاييس المسار، والتي تفكك العملية إلى سلسلة من المسائل الفرعية الأبسط لضمان استكشاف شامل للأنماط.
تقدم الورقة البحثية WARC-Bench، وهو معيار مرجعي جديد يستخدم ملفات أرشيف الويب (Web ARChive) لتقييم وكلاء الذكاء الاصطناعي متعددي الوسائط في مهام واجهة المستخدم الرسومية (GUI) الفرعية المعقدة، مما يوضح أنه بينما تعاني النماذج الرائدة الحالية، فإن النماذج مفتوحة المصدر تتحسن بشكل ملحوظ من خلال الضبط الدقيق الخاضع للإشراف والتعلم التعزيزي باستخدام مكافآت قابلة للتحقق لتحقيق أداء تنافسي.
إن Dr. LLM هو إطار عمل قابل للتعديل يزود النماذج اللغوية الكبيرة مسبقة التدريب بموجهات خفيفة الوزن تخضع لإشراف بحث شجرة مونت كارلو (MCTS) لتخطي أو تنفيذ أو تكرار طبقات المحولات ديناميكيًا، مما يحقق وفورات كبيرة في الحوسبة مع تحسين أو الحفاظ على الدقة عبر مهام متنوعة دون تغيير أوزان النموذج الأساسي.
تقدم هذه الورقة إطار عمل "تحسين السياسة النسبي للمجموعات" (GRPO) المتين تجاه الضجيج، والذي ينمذج فساد المكافأة كضجيج برنولي ويطبق استراتيجية تصحيح لإنتاج تدرجات غير منحازة بشكل مثبت، مما يؤدي إلى تحسينات كبيرة في الدقة في مهام الرياضيات والبرمجة تحت ظروف مكافأة ضوضائية واقعية.