23164 ورقة بحثية
تقترح هذه الورقة طريقة جديدة للانحدار الرتيب البعدي (post-hoc isotonic regression) لمعايرة احتمالات البقاء لنماذج "ديب كوكس" (Deep Cox models)، مما يوفر ضمانات نظرية وفائدة عملية محسنة دون المساس بقدرتها التمييزية.
تقدم هذه الورقة البحثية ARL2، وهي بنية انتباه هجينة لانتشار الفيديو ذاتي الانحدار تستبدل الانتباه المتقاطع التربيعي بين الإطارات بحالة متكررة ثابتة الحجم لتحقيق توسع زمني خطي واستخدام ثابت للذاكرة مع الحفاظ على الاتساق الزمني وجودة التوليد أو تحسينهما.
تقدم هذه الورقة البحثية "قناع الحوض" (Bucket Masking)، وهي استراتيجية تدريب مدركة للبنية تعمل على حجب مجموعات من البقايا المتقاربة مكانياً بشكل تفضيلي لالتقاط التبعيات الهيكلية بعيدة المدى بشكل أفضل، مما يؤدي إلى تحسن يصل إلى 14% في مهام التنبؤ بلياقة البروتين مقارنة بالحجب العشوائي القياسي.
تقدم هذه الورقة fPINN-DeepONet، وهو إطار عمل جديد لتعلم العمليات العميقة المستند إلى الفيزياء يجمع بين تقريب لمشتقات كابوتو الكسرية وتعلم العمليات لحل معادلات الانتشار-الموجة الكسرية الزمنية متعددة الحدود بدقة ومتانة، والتي تتضمن رتباً كسرية ثابتة ومتغيرة، حتى في وجود بيانات مشوشة.
تقدم الورقة البحثية R2V-Agent، وهو إطار عمل مُعاير للمخاطر يدرب نموذج لغة صغيرًا (SLM) باستخدام تحسين موجه بالتحقق وموجه على مستوى الخطوة لتصعيد القرارات عالية المخاطر فقط إلى نموذج لغة كبير (LLM) مكلف، مما يحسن معدلات نجاح المهام بشكل كبير مع تقليل استخدام نماذج LLM المكلفة عبر مختلف المعايحات.
تقدم هذه الورقة دليلاً شاملاً لشبكات الموتر، حيث توضح كيف يعمل نظام التدوين الرسومي الخاص بها على تبسيط تمثيل ومعالجة وتحليل الموترات عالية الأبعاد من خلال تقديم براهين أكثر شفافية واشتقاقات أكثر كفاءة مقارنة بالطرق التقليدية القائمة على المؤشرات.
تقترح هذه الورقة خوارزمية قوية لتعلم تفضيلات المُقيِّم تحت الافتراض الأدنى لوجود دوال غير متناقصة في الإحداثيات، مما يثبت نظرياً وتجريبياً أنها تتجنب عثرات عدم التطابق الشائع في النماذج مع الحفاظ على أداء عالٍ حتى عندما تتحقق افتراضات الخطية.
تقدم هذه الورقة MLReplicate، وهو معيار شامل يوضح أن أنظمة البحث المستقلة الحالية تعاني من ضعف في الدقة العلمية وقابلية التكرار، مما يكشف أن تصميم سير العمل أكثر أهمية لجودة المخرجات من النطاق الحسابي أو ميزانية الرموز (tokens).
تقترح الورقة البحثية إطار عمل SCOUT، وهو إطار عمل مبتكر يستفيد من التدفقات المعيارية (normalizing flows) لاكتشاف البنى السببية الدورية غير الخطية وتحديد أهداف التدخل غير المعروفة من بيانات التدخل الناعمة، متفوقاً بذلك على الأساليب الحالية الرائدة من خلال التخفيف من القيود المفروضة على الافتراضات الشائعة مثل اللا دورية، والضجيج الغاوسي، وأهداف التدخل المعروفة.
تتقصى هذه الورقة البحثية كيف يعمل اضمحلال الوزن على تعزيز استقرار التدريب عند "حافة الاستقرار" من خلال إثبات أنه يبطئ عملية التسنن التدريجي ويستحث انتقالاً طورياً يعتمد على البنية، مدفوعاً بالمحاذاة العالمية للمعلمات وتدرجات الحدة، مما يكشف في النهاية أن تشخيصات الاستقرار التقليدية القائمة على الانحناء قد تكون غير موثوقة في ظل وجود التنظيم.