23915 ورقة بحثية
تقدم هذه الورقة إطارًا مبتكرًا لقياس وتفكيك انفصال الأنماط في التوزيعات عالية الأبعاد من خلال الاستفادة من عملية انتشار عكسية نموذجية لاستخراج مقاييس حساسة للحواجز (SSA) وإسقاطات مرتبة حسب شبه الاستقرار (DA) من بيانات العينات ودوال الدرجة، مما يتغلب على قيود الأدوات التقليدية مثل الإنتروبيا وتحليل المكونات الرئيسية (PCA).
تقترح الورقة البحثية إطار عمل TRACE، وهو إطار لتعيين الائتمان المدرك للدور في التعلم المعزز القائم على كسر الحماية متعدد الجولات، والذي يعالج أوجه القصور في الإشراف الخشن على مستوى المسار من خلال تقدير المساهمات على مستوى الدور وتعيين عقوبات مستهدفة، مما يؤدي إلى تحسين معدلات نجاح الهجوم بشكل كبير وتمكين محاذاة الدفاع متعدد الجولات بشكل أكثر فعالية.
تقدم الورقة البحثية PRIM، وهو إطار عمل بايزي مُتعلم ميتياً (meta-learned) يستفيد من مُسبق اصطناعي للنماذج السببية ومحول لتقدير الأسباب الجذرية يعتمد على متوسط النماذج (Model-Averaged)، لتمكين تحليل الأسباب الجذرية السريع وصفرِيّ التدريب (zero-shot) في الأنظمة المعقدة عبر التحديد الضمني للتحولات التوزيعية والبنى السببية دون الحاجة إلى ملاءمة صريحة للنماذج وقت الاختبار.
تقدم الورقة البحثية cuRegOT، وهو حل عالي الأداء معزز بوحدات معالجة الرسومات للنقل الأمثل ذي التنظيم الإنتروبي، والذي يتغلب على قيود الطرق الحالية من خلال تحسينات خوارزمية وهيكلية مبتكرة، محققاً تسريعاً كبيراً وضمانات تقارب صارمة عبر نماذج اختبار متنوعة.
تقدم هذه الورقة إطار عمل "مطابقة الجسر" (Bridge Matching) الذي يفكك حقل السرعة الحتمي للعمليات التوليدية العشوائية إلى مكونات نقل وأسموزية متميزة، مما يتيح أخذ عينات قابلة للتفسير والتحكم من خلال الضبط المستقل للمساهمة الناجمة عن الانتشار.
تقترح هذه الورقة "التعليق الوصفي المدرك للانحناء" (Curvature-Aware Captioning)، وهو إطار عمل مبتكر يستفيد من آليات الانتباه الجيوديسي غير الإقليدي ضمن الفضاءات المائلة واللورنتزية لحل الصراع بين الدقة الهندسية المحلية والتسلسل الهرمي الدلالي العالمي في التعليق الوصفي للسحب النقطية ثلاثية الأبعاد المتفرقة، محققاً أداءً هو الأفضل حالياً في معايير ScanRefer وNr3D.
تقدم هذه الورقة "مجمّع الفيديو المضغوط" (CVA)، وهو وحدة توصية بالفيديوهات القصيرة خفيفة الوزن تعمل على فصل معلومات الفيديو عن تعلم التفضيلات من خلال تجميع تضمينات نماذج الرؤية الأساسية (VFM) المجمدة واستخدام اختيار الإطارات الرئيسية الموجه بالعنوان لتحقيق تقليل كبير في وقت التدريب والذاكرة مع تحسين أداء التوصية.
تقيم هذه الورقة بشكل منهجي استراتيجيات ما قبل التدريب لنماذج التصوير الطبي، حيث وجدت أن التدريب المسبق على بيانات تطابق النمط المستهدف بدقة هو وحده ما يحسن الأداء في المهام اللاحقة بشكل ملحوظ، بينما تتباين فعالية التعلم الخاضع للإشراف الذاتي باختلاف السياق.
تقترح هذه الورقة إطار عمل للتعلم الذاتي يعيد صياغة استنتاج ديناميكيات السوائل الحسابية المستقرة كمسألة "ترميم سياقي" (context-driven inpainting)، مما يتيح استعادة أولويات تدفق قابلة لإعادة الاستخدام تتفوق على النماذج التقلية الخاضعة للإشراف في حالات تغير الحدود وتدعم تحرير الهندسة المحلية.
تقدم الورقة البحثية M (مقياس مورتون متعدد المقاييس)، وهو إطار عمل قابل للتوسع يعمل على تخفيف الانحياز الناجم عن المقياس في تدريب النماذج البديلة العصبية للمحاكاة الفيزيائية من خلال موازنة الإشراف عبر مقاييس مكانية متعددة، مما يحسن دقة التنبؤ وكفاءة البيانات بشكل كبير في المجالات الفيزيائية المستمرة.