23164 ورقة بحثية
تقدم هذه الورقة البحثية BCI-sift، وهي مجموعة أدوات قائمة على لغة بايثون ومتوافقة مع مكتبة scikit-learn تعمل على أتمتة اختيار الميزات لتطبيقات واجهة الدماغ والحاسوب، حيث تُثبت من خلال بيانات تخطيط قشرة الدماغ ذي الكثافة العالية (HD ECoG) أن نهجها القائم على التحسين يحسن دقة فك التشفير وقابلية التفسير عبر تحديد ميزات عصبية متسقة وذات صلة بيولوجياً عبر الأبعاد القطبية والزمنية والترددية.
تقترح هذه الورقة طريقة جسيمات قائمة على التوافق خالية من المشتقات لتحسين ثنائي المستوى غير محدب، تستخدم اختيار الكميات السلس وتقريب لابلاس من نوع غيبس، مع إرساء ضمانات تقارب صارمة لكل من ديناميكيات المجال المتوسط وتقريبات الجسيمات المحدودة، مع إثبات الفعالية من خلال التجارب العددية.
تقترح هذه الورقة إطار عمل "الانتشار-كوبولا" (Diffusion-Copula) الذي يفصل بين تعلم التوزيع الهامشي ونمذجة الاعتماد لتجاوز "تحيز التوزيع الطبيعي" في نماذج الانتشار القياسية، مما يحقق دقة فائقة في التنبؤ بالمخاطر المالية المتطرفة وانهيارات السوق النظامية في أسواق العملات المشفرة.
تقدم هذه الورقة MSAlign، وهو إطار عمل موحد يعمل على محاذاة النماذج التأسيسية المجمدة لأطياف الكتلة والجزيئات عبر التعلم التبايني لتحقيق أداء رائد في تحديد المستقلبات، مع معالجة تحديات قابلية التكرار وتأطل الموازنة بين تسرب البيانات وانزياح النطاق في استراتيجيات التقييم.
تقدم هذه الورقة إطار عمل موسع لبيان مواد الذكاء الاصطناعي (AIBOM) قائم على معيار CycloneDX، والذي يستفيد من التحقق التشفيري وخطوط أنابيب الذكاء الاصطناعي المستقلة لتحقيق إثبات المصدر وضمان دورة الحياة، مما يبرهن على دقة عالية في إعادة الإنتاج وتقليص كبير في الإشراف اليدوي لأنظمة الذكاء الاصطنا-عي.
تقدم هذه الورقة AR1-ZO، وهي طريقة تحسين من الدرجة صفر واعية بالطوبولوجيا تعالج مفارقة الرتبة في الضبط الدقيق لـ LoRA عالي الرتبة عبر استعلام الذرات الفردية من الرتبة-1 باستخدام عامل قياس مصحح، مما يؤدي إلى استعادة قوة الإشارة وتمكين التدريب الفعال الموفر للذاكرة دون قواعد مساعدة أو عمليات تمرير أمامي إضافية.
تقدم هذه الورقة إطار عمل خالٍ من التوزيع للتقييم المستمر لوكلاء الذكاء الاصطناعي، والذي يوفر التنبؤ المطابق والاستدلال المطابق التكيفي لتوفير فترات عدم يقين معايرة، وحدود تركيبية لخطوط أنابيب الوكلاء المتعددين، وقواعد امتناع محكومة للتصنيفات، مما يثبت أداءً قويًا عبر 50 وكيلًا و18 إشارة في الوقت الفعلي.
تُظهر هذه الدراسة أن وكلاء النماذج اللغوية الكبيرة في تحسين الكود البرمجي المراعي لخصائص الأجهزة يعتمدون بشكل أساسي على الأوليات المدربة مسبقاً بدلاً من التغذية الراجعة التكرارية أو الهياكل الوكيلية، كما يتضح من سلوكهم الجشع في الإعدادات الصندوقية السوداء، وعدم قدرتهم على التكيف مع أحجام النواة غير المرئية، وتدهور الأداء عند العمل مع تمثيلات وسيطة منخفضة الكثافة.
يقدم البحث إطار عمل StitchVM، وهو إطار عمل لدمج النماذج خفيف الوزن يقوم بنقل نماذج المكافأة مسبقة التدريب من فضاء البكسل بكفاءة إلى الفضاءات الكامنة المشوشة عبر إلحاق عمود فقري لنموذج انتشار مجمد، مما يتيح محاذاة دقيقة وفعالة حاسوبياً لنماذج الانتشار دون التحيز لتقديرات "توييدي" (Tweedie) أو التكلفة العالية لعمليات "مونت كارلو" المتكررة (Monte Carlo rollouts).
تقدم الورقة البحثية LionMuon، وهو مُحسِّن فعال يتناوب بين تحديثات Lion وMuon مع مشاركة مخزن زخم واحد، محققاً أداءً فائقاً وتكاليف حوسبة أقل عبر مختلف أحجام النماذج مقارنة بالطرق الحالية مثل AdamW وLion وMuon.