23164 ورقة بحثية
تقدم هذه الورقة إطار عمل الاكتشاف الذاتي متعدد الأدوات (MAD)، الذي يدمج البيانات غير المتجانسة من حيود الأشعة السينية وقياسات المقاومة الكهربائية عبر نواة تلاقي إقليمي لرسم خرائط البنى البلورية وتحسين المقاومة في آن واحد لمواد تغيير الطور من المنجنيز والانتيمون والتيلوريوم، محققاً تسارعاً بمقدار سبع مرات في اكتشاف تركيبات جديدة خلال 25 دورة مغلقة.
تقترح هذه الورقة خوارزمية عتبة صلبة من الدرجة الصفرية عامة لتقليل التباين، تعالج الصراع المتأصل بين انحراف التدرج وتوسع المؤثر في طريقة SZOHT الحالية، مما يؤدي إلى إزالة القيود على الاتجاهات العشوائية وتحقيق معدلات تقارب محسنة وقابلية تطبيق أوسع لتحسين .
تقدم الورقة البحثية إطار العمل FLAG، وهو إطار عمل قائم على الانتشار يستفيد من مشفر رسومي مكاني ومحاذاة نموذج تأسيسي جيني للتغلب على "لعنة البعد الجيني" والتنبؤ بدقة بالتعبير الجيني المكاني من صور صبغة الهيماتوكسيلين والإيوسين (H&E) من خلال الحفاظ على العلاقات الجينية-الجينية والعلاقات الهيكلية المكانية الأساسية.
تقدم الورقة البحثية MixCount، وهي مجموعة بيانات ومعيار واسع النطاق لعد الكائنات المختلطة يتم إنشاؤها عبر مسار تلقائي يقوم بتخليق صور متنوعة مع تعليقات توضيحية دقيقة على مستوى البكسل، مما يثبت أن التدريب على هذه البيانات الاصطناعية يحسن بشكل كبير أداء النماذج الرائدة في مهام العد في العالم الحقيقي من خلال معالجة قيود مجموعات البيانات الحالية التي تعاني من الضجيج أو الندرة.
تقدم هذه الورقة البحثية "Teger"، وهو نموذج هيكلي لعدم اليقين غير مرتبط بهيكل أساسي، يعمل على التخفيف من انتشار الخطأ المتبقي المكاني-الزماني وظاهرة "الضغط الزائد" (over-squashing) في النماذج المتكررة عبر توظيف آلية إعادة صياغة للرسوم البيانية تعتمد على انحناء "فورمان" المنفصل ضمن رأس تغاير منخفض الرتبة مضاف إليه قطر، مما يؤدي إلى تحسين أداء التنبؤ الاحتمالي طويل الأمد بشكل كبير.
تقترح الورقة البحثية إطار عمل LMAC، وهو إطار عمل مبتكر يسخر النماذج اللغوية الكبيرة لتصميم وتحسين بروتوكولات الاتصال بشكل تكراري، مما يمكن الأنظمة متعددة الوكلاء التعاونية من إعادة بناء الحالات الأساسية بدقة وتجانس أكبر، وبالتالي التفوق بشكل كبير على النماذج المرجعية الحالية في مختلف الاختبارات المعيارية.
تقترح هذه الورقة طريقة تدرج سياسة مدركة للخصم للأنظمة متعددة الوكلاء تعمل على تعزيز اختيار التوازن من خلال استخدام تصحيح التعلم بالأقران لزيادة احتمالية الدخول في أحواض ناش المستقرة المستهدفة، مع توظيف استراتيجية تلدين للحفاظ على ضمانات التقارب المحلي.
تقدم هذه الورقة مبدأً متوافقاً مع التماثل لتصميم المحسنات، يربط قواعد تحديث التدرج بهياكل التكافؤ المحددة لكتل المعلمات المختلفة — مثل التضمينات (embeddings)، ورؤوس النماذج اللغوية الكبيرة (LM heads)، وطبقات (SwiGLU MLPs)، وموجهات (MoE routers) — مُثبتةً من خلال تجارب ما قبل التدريب المكثفة أن هذه المحسنات المصممة خصيصاً تتفوق باستمرار على (AdamW) في خسارة التحقق النهائية واستقرار التدريب.
تقدم هذه الورقة البحثية Ringmaster LMO، وهو أسلوب زخم غير متزامن لطريقة التحسين القائمة على LMO يوسع تقنيات عتبة التأخير للتعامل مع الأنظمة الموزعة غير المتجانسة، موفرًا ضمانات تقارب نظرية ومُظهرًا أداءً متفوقًا على النماذج المرجعية المتزامنة وغير المتزامنة في كل من المهام الاصطناعية ومهام التدريب المسبق للنماذج اللغوية واسعة النطاق.
تحدد هذه الورقة أوجه القصور في تنظيم "ريدج" (ridge) القياسي في الشبكات العصبية المتعلمة للميزات، وتقترح إطار عمل جديداً قائماً على الهندسة الريمانية لاشتقاق منظم "ريدج جيوديسي" (geodesic ridge) معياري يعمم المسبق الضمني لتدفق التدرج عبر كل من نظام النواة ونظام تعلم الميزات.