23511 ورقة بحثية
تحلل هذه الورقة أداء طريقة المربعات الصغرى الجزئية (PLS) على البيانات متعددة الأنماط عالية الأبعاد ذات المدخلات المفقودة، كاشفةً عن انتقال طوري حاد حيث يصبح استرداد البنى الكامنة المشتركة ممكناً فقط عندما تتجاوز قوة الإشارة عتبة حرجة يتم تخفيفها بمربع الجذر للاحتمال الاحتفاظ بالبيانات.
تقدم هذه الورقة البحثية "التحسين المتوقع عبر معيار معيار تدرج النظم" (EI-GN)، وهي دالة استحواذ جديدة للتحسين البايزي تعزز كفاءة البحث من خلال دمج شروط السكون من الدرجة الأولى في معيار التحسين، مما يعالج أوجه القصور في "التحسين المتوقع" التقليدي في المناطق التي تتلاشى فيها إشارات تحسن قيمة الهدف.
تقدم هذه الورقة إطار عمل للمحاسبة على الخصوصية خالٍ من أخذ العينات، يعتمد على تباعد ريني (Rényi divergence) والتركيب الشرطي لتوفير ضمانات خصوصية فعالة وحتمية وأكثر إحكاماً لآليات المصفوفات ذات الخصوصية التفاضلية تحت التخصيص العشوائي، مما يعالج أوجه القصور في النهج الحالية القائمة على أخذ العينات.
تُثبت هذه الورقة أن "إعادة توجيه التمثيل" (Representation Misirection)، وهي طريقة لـ "إلغاء التعلم" للنماذج اللغوية الكبيرة، لا تحقق النسيان فحسب، بل تستثير أيضاً سلوكيات جانبية قابلة للتحكم وتعزز القدرات من خلال إعادة توجيه التمثيلات الكامنة نحو متجه مستهدف يتوافق مع مفاهيم رفيعة المستوى.
تقترح الورقة البحثية "الترشيح الخلفي التوجيهي الأمامي العصبي" (NBFFG)، وهو إطار عمل تبايني موحد يجمع بين مرشح خلفي ذي صيغة مغلقة من عملية غاوسية خطية بديلة مع متبقٍ عصبي لتمكين الاستدلال الفعال وغير المنحاز للعمليات العشوائية المستمرة غير الخطية على الهياكل الشجرية المعقدة، كما هو موضح في إعادة بناء أسلاف السلالات التطورية.
تقدم هذه الورقة نموذج ExplainerPFN، وهو نموذج تأسيسي للبيانات الجدولية يتيح تقديرًا من نوع "الصفر-خطوة" (zero-shot) وخاليًا من النماذج لنسب ميزات بأسلوب قيم شابلي (Shapley-value) عبر التعلم من بيانات سببية اصطناعية، مما يوفر بديلًا مبدئيًا للطرق التقليدية التي تتطلب الوصول إلى النموذج الأساسي أو التفسيرات المرجعية.
تقدم هذه الورقة البحثية آلية انتباه التكميم المتجه عبر الإنترنت (OVQ)، وهي طبقة لخلط التسلسلات تحقق تكاليف حوسبة خطية وتكاليف ذاكرة ثابتة مع تحسين أداء السياق الطويل بشكل كبير من خلال تحديثات الذاكرة المتفرقة، مما يوفر بديلاً تنافسياً للانتباه الذاتي بجزء ضئيل من استهلاك الذاكرة.
تقترح الورقة البحثية طريقة "تكميم تفكيك مستويات البت" (BPDQ)، وهي طريقة مبتكرة تستخدم شبكات تكميم متغيرة وتحسينًا من الدرجة الثانية لتحسين دقة النماذج اللغوية الكبيرة بشكل كبير عند عرض نطاق بتات منخفض للغاية (2-3 بت)، مما يتيح النشر الفعال لنموذج بحجم 72 مليار معلمة على وحدة معالجة رسومات استهلاكية واحدة.
تقترح الورقة البحثية "تحسين تفضيل المرساة الهندسي" (GAPO)، وهي طريقة محاذاة مبتكرة تستبدل سياسة المرجع الثابتة في "تحسين التفضيل المباشر" بمرساة تنافسية ديناميكية واعية هندسياً لإعادة وزن أزواج التفضيلات بشكل تكيفي، مما يعزز المتانة ضد الإشراف الضوضائي وعدم التطابق التوزيعي مع الحفاظ على الأداء القوي في المعايير القياسية.
تقترح الورقة البحثية RanSOM، وهو إطار تحسين موحد يقضي على الانحياز الناجم عن الانحناء في طرق الزخم من خلال توظيف أحجام خطوات عشوائية ومتطابقات من نوع "شتاين" لتحقيق معدلات تقارب مثالية لكل من المسائل المقيدة وغير المقيدة دون الحاجة إلى أخذ عينات مساعدة مكلفة.