22510 ورقة بحثية
يقدم هذا البحث إطار عمل AD-TLERT، وهو إطار عمل موحد ومعزز بمعالجات الرسوميات (GPU) يعتمد على التفاضل التلقائي، والذي يسرع بشكل كبير عملية قلب التصوير المقطعي للمقاومة الكهربائية عبر الزمن، مع توفير المرونة في تمثيل المعلمات للنموذج وتمكين التفسير الهيدرولوجي المباشر والأكثر دقة من خلال التحويلات البتروفيزيائية القابلة للتفاضل.
تُظهر هذه الدراسة أن نموذج التعلم في السياق (in-context learning) المتمثل في TabPFN يتفوق على النماذج المرجعية التقليدية لتعلم الآلة في التنبؤ بقابلية المشي المتصورة في الأحياء السكنية لدى كبار السن الذين يعانون من قيود حركية باستخدام مجموعة بيانات صغيرة، بينما يكشف تحليل SHAP-IQ أن تفاعلات الميزات من الرتب العليا، مثل تعرج الشوارع ونسب الطرق القابلة للقيادة، هي المحركات الأساسية لهذه التنبؤات.
تضع هذه الورقة معياراً من الدرجة الأولى لتحديد متى تكون الشبكة العصبية المتبقية عميقة بما يكفي، وذلك عبر إثبات أن العمق الإضافي يوفر قيمة إذا وفقط إذا كان لتدرجات التنشيط الشرطية إسقاط غير صفري على الفضاءات المماسية المتبقية المقبولة، وهو شرط تم التحقق منه تجريبياً عبر بنيات مختلفة حيث تشير تضاؤلات معايير التدرج إلى التشبع.
تقدم الورقة البحثية Argus، وهو نظام سلبي لتحديد هوية الأشخاص عبر تقنية Wi-Fi يتميز بقابلية التوسع ويحقق دقة عالية في مجموعات البيانات واسعة النطاق من خلال تحويل معلومات حالة القناة (CSI) إلى خرائط إحصائية مدمجة ("statgrams") تتم معالجتها بواسطة بنية Transformer فعالة وموجهة بالانتباه، مما يقلل التكاليف الحسابية بشكل كبير مقارنة بالنماذج المرجعية التي تعتمد على بيانات CSI الخام.
تُظهر هذه الورقة أن التنبؤ الانتقائي للأمراض النادرة يواجه حدوداً جوهرية حيث يحول انخفاض الاستدعاء في الحالات شديدة الندرة دون تحقيق دقة عالية حتى مع وجود ثقة مثالية، وأن الاعتماد فقط على أعلى الدرجات غير كافٍ لأن الإشارات القائمة على الهامش، رغم أنها قد تُحسن الاختيار أحياناً، يمكن أن تتخلص أيضاً من المعلومات الحرجة اللازمة للتحقق مما إذا كان هناك تشخيص صحيح موجود ضمن قائمة المرشحين.
تحدد هذه الورقة البحثية "تداخل المعايير" (rubric interference) كإشكالية في الاتساق عند تقييم النماذج اللغوية الكبيرة باستخدام معايير متعددة، وتقترح طريقة "المحاذاة ذاتية الارتكاز للمعايير" (SARA)، وهي طريقة تقطير ذاتي قائمة على السياسة المتبعة (on-policy) تستخدم أحكام المعيار الواحد كمرتكزات مستقرة لتحسين اتساق التقييم بشكل كبير عبر مجموعات البيانات وعائلات النماذج دون الحاجة إلى إشراف خارجي.
تقترح هذه الورقة طريقة "تقطير الإنتروبيا التكيفي" (AED)، وهي طريقة جديدة لتقطير المعرفة تعمل على تفكيك هدف "كاي-باكيرس العكسي" (Reverse KL) لمعايرة قوة المحاكاة على مستوى الرمز (token) ديناميكيًا باستخدام إنتروبيا المعلم، مما يحقق أداءً فائقًا ومحاذاة توزيعية أفضل دون الحاجة إلى فرع "كاي-بايرز الأمامي" (Forward KL) صريح.
تتقصى هذه الدراسة لإعادة الإنتاج عمليات الاستئصال الجزئي للبواقي في نماذج "ترانسفورمر" ذات الطبقات المسبقة (Pre-LN)، حيث تكشف أن إزالة بقايا الانتباه تؤدي باستمرار إلى انهيار الأداء بينما يُظهر إزالة بقايا التغذية الأمامية استرداداً يعتمد على المقياس، وتقترح في النهاية فرضية التوجيه عبر المواضع لتفسير هذه التباينات.
تُثبت هذه الورقة أن استبدال ركيزة الحالة الخفية القياسية ذات القيم الحقيقية ببديل مستوحى من الكم وذات قيم مركبة، يُسرع بشكل كبير من تقارب التدريب لكل من نماذج فضاء الحالة ونماذج الانتباه القائمة على التسلسل، رغم أن ميزة الأداء طويلة المدى لا تستمر إلا في بنيات فضاء الحالة.
تقدم هذه الورقة البحثية "فرض التوازن" (Equilibrium Forcing - EqF)، وهو إطار عمل مبتكر لتوليد الفيديو ذاتي الانحدار يلغي اشتراط مستوى الضجيج لفصل تعلم إزالة الضجيج عن عملية أخذ العينات، مما يتيح استدلالاً تكيفياً مغلق الحلقة يحسن جودة الفيديو واتساقه بشكل كبير مقارنة بالطرق القياسية.