23164 ورقة بحثية
تقترح هذه الورقة إطار عمل "التعلم للتأجيل" (Learning to Defer) لما بعد التنفيذ، والذي يصيغ قرارات التأجيل كتقدير لنسبة الكثافة بين التوزيعات المثالية للنموذج والخبير، مما يتيح معدلات تأجيل قابلة للتعديل دون إعادة تدريب مع توحيد قاعدة "تشو" (Chow's rule)، والاستدلال البايزي المائل للخبير، وكشف الشذوذ.
تقدم هذه الورقة البحثية TORQ، وهو إطار عمل للكمّ ما بعد التدريب لا يتطلب تدريباً، يستخدم دورات متعامدة ثنائية المستوى لمعالجة الاختلالات الهيكلية في كمّ تنشيط MXFP4 نظرياً، مما يقلص بشكل كبير فجوة الدقة بين الاستدلال بـ 4 بت ونماذج الدقة الكاملة في النماذج اللغوية الكبيرة.
تقدم هذه الورقة HiLiftAeroML، وهي أول مجموعة بيانات مفتوحة المصدر لمحاكاة ديناميكيات السوائل الحسابية (CFD) عالية الدقة تضم 1,800 محاكاة لنموذج المحاكاة لدوامات ليدز (LES) معززة بمعالجات الرسوميات لهندسة الرفع العالي (CRM) التابعة لناسا، والمصممة لتسريع تطوير النماذج البديلة القائمة على الذكاء الاصطناعي للتطبيقات الفضائية.
تُثبت هذه الورقة أن دمج التغذية الراجعة المعتمدة على الأفعال من سجلات أوامر الحد —حيث تكشف التفاعلات غير التجارية عن معلومات العرض والطلب— يُحسن بشكل جوهري من قابلية التعلم لصناعة السوق عبر الإنترنت، مما يُمكّن من تحقيق ندم بمعدل في البيئات العشوائية وذات الارتداد المتوسط، ومعدل ندم في البيئات التنافسية دون الحاجة إلى فرضيات السلاسة.
تقدم هذه الورقة البحثية ELGIN، وهو نموذج بديل لشبكة عصبية رسومية مستندة إلى الفيزياء، يعمل على تسريع وتحسين دقة التنبؤ بتشتت الجسيمات النانوية المضطربة في عيادات طب الأسنان بشكل كبير مقارنة بمحاكاة ديناميكيات السوائل الحسابية التقليدية، مما يتيح فحص مخاطر العدوى في الوقت الفعلي تقريباً.
تقترح هذه الورقة البحثية "تدرجات التكامل الطيفية" (Spectral Integrated Gradients - SIG)، وهي طريقة جديدة لنسب الميزات تعمل على تحسين طريقة "التدرجات المتكاملة" القياسية من خلال بناء مسارات تكامل عبر تحليل القيم المفردة لتنشيط الميزات تدريجياً من الهياكل العالمية الكلية إلى التفاصيل الدقيقة، مما ينتج خرائط نسبة أكثر نقاءً مع ضجيج أقل.
تقترح هذه الورقة إطار عمل جديد لأخذ عينات الانتشار اللاحق القائم على الرسم البياني، والمعزز بالتنظيم الصريح (RDPS)، لحل المشكلات العكسية غير الخطية على الشبكات غير المهيكلة، مما يظهر دقة إعادة بناء ومتانة فائقتين في التصوير المقطعي بالمقاومة الكهربائية مقارنة بالأساليب المتطورة.
تُوصّف هذه الورقة خطأ إعادة البناء الأمثل لاستعادة نقطة مجهولة في من استعلامات خطية مشوبة بالضجيج عبر إثبات تقاربها إلى حد معين، وتحليل الاضمحلال الأسي المزدوج للخطأ الزائد في الأبعاد الثابتة مقابل التعقيد الأسي للاستعلام المطلوب في الأبعاد العالية، وتقديم نسخة معممة من مبرهنة يونغ لإثبات هذه النتائج.
تضع هذه الورقة البحثية أول تقريبات غاوسية اتحادية للتقريب العشوائي الخطي مع مقايضات صريحة بين الاتصال والحوسبة وحدود خطأ مدركة لعدم التجانس، وتستفيد من هذه النتائج لتطوير إجراء "بوتستراب" للمضاعف عبر الإنترنت صالح غير تقاربي للاستدلال على التكرار الأخير.
تقدم الورقة البحثية "optimize_anything"، وهو إطار عمل عالمي للتحسين يعتمد على النماذج اللغوية الكبيرة (LLM) ويحقق نتائج رائدة في ستة مجالات متنوعة — بما في ذلك تصميم بنية الوكلاء، وخفض تكاليف السحابة، وتوليد نوى CUDA — من خلال توحيد البحث القائم على النصوص مع نقل المهام المتعددة والمعلومات الجانبية القابلة للتنفيذ للتفوق على الخوارزميات المتخصصة.