24017 ورقة بحثية
تقدم هذه الورقة MEEC-Net، وهو إطار عمل لحساب التفاضل الخارجي غير المعتمد على الشبكات، يتعلم الفيزياء الحافظة للبنية على السحب النقطية من خلال تمثيل منفصل غير معتمد على الشبكة وقابل للتفاضل، مما يتيح نمذجة بديلة عالية الكفاءة في البيانات وقابلة للتعميم تتفوق بشكل كبير على المشغلات العصبية الأساسية في الهندسات والمعلمات الفيزيائية غير المرئية.
تقترح الورقة البحثية TARO، وهي طريقة تنقية في وقت الاستدلال بنمط الصفر (zero-shot)، تستفيد من أولوية درجة (score prior) موجهة زمنياً من أنظمة ضجيج انتشار متعددة لتحقيق التوازن بين التصحيح العالمي القوي ضد الهجمات التكيفية مع الحفاظ على التفاصيل الدلالية.
تقيم هذه الورقة بشكل منهجي ست آليات دفاعية عبر أربع طبقات معمارية ضد هجمات الذاكرة المستمرة على وكلاء النماذج اللغوية الكبيرة، كاشفةً أن معظم دفاعات مستوى الإدخال والاسترجاع تفشل، بينما تنجح "صندوق الذاكرة الرملي" (Memory Sandbox) القائم على بوابات الأدوات في تحييد التهديد من خلال إزالة قدرة الاستدعاء الضرورية، وإن كان ذلك مع تنبيه حرج يتمثل في أنه يتجاوز دون قصد آليات الرفض المتأصلة في نموذج استدلال محدد.
تقترح هذه الورقة إطار عمل لتدريب الشبكات العصبية البايزية من خلال التقليل المباشر لطاقة بيث الحرارية، مما يوحد عملية الانتشار العكسي القياسية مع تحديثات التوزيع البعدي التحليلية لتمكين تحسين "بايز التجريبي" الفعال بمرور واحد، وهو ما يلغي الحاجة إلى التحقق المتقاطع مع مضاهاة أداء ضبط المعلمات الفائقة عبر البحث الشبكي.
تقدم الورقة البحثية ZALT، وهي طريقة للتعلم بالتقليد بنمط "الصفر محاولة" (zero-shot) تعمل على تحديد حالات المحور الكامنة لتعلم انتقالات "من محور إلى محور" قابلة للتركيب، مما يمكّن الوكلاء من التخطيط والنجاح في حل مهام طويلة الأمد غير مرئية مشروطة بالأهداف في بيئات معقدة تفشل فيها الطرق التقليدية بسبب تراكم الأخطاء.
تتقصى هذه الورقة كيفية عمل "المصارف" (sinks) والأنماط القطرية كآليات لتبديل الانتباه ومنع التنعيم المفرط في نماذج المحولات (transformers)، حيث تثبت تكافؤها مع تبديلات الانتباه الصلبة، وتحدد الشروط التي يتفوق فيها الانتباه الكثيف على الانتباه المتناثر، وتوضح سبب تفضيل المصارف على الأنماط القطرية للتواصل الذاتي للرموز في النماذج سابقة التدريب.
تقترح هذه الورقة طريقة لاستعادة الديناميكيات المستمرة زمنياً من ملاحظات منفصلة عبر فرض قيد هيكلي لزمرة نصفية عالمي، يُسمى "كسر التماثل" (Symmetry Rupture)، والذي يعمل كمنظم للتدريب وكأوراكل استدلال تكيفي لتحسين الدقة والكفاءة الحسابية بشكل كبير مقارنة بالنماذج المرجعية للمعادلات التفاضلية العادية العصبية (Neural ODE).
تقدم هذه الورقة البحثية HEART، وهو إطار عمل آمن للمراقبة عن بُعد في الوقت الفعلي يستخدم مولد مفاتيح قابل للتعلم مستمد من إشارات تخطيط كهربائية القلب الفردية لتكوين التشفير الفوضوي ديناميكيًا، مما يضمن النقل السري وإعادة البناء شبه غير الفاقد لبيانات المريض مع القضاء على ثغرات تبادل المفاتيح التقليدية.
تُوصّف هذه الورقة نوى الدوال الشعاعية الأساسية ضمن الإطار العصبي الممكن للمؤشرات الدلالية المكانية، وتُثبت أن التمثيلات الشبيهة بخلايا الشبكة قادرة ومثالية في آنٍ واحد لتحقيق هذه النوى من أجل إنشاء تمثيلات مكانية متماسكة ومستمرة.
تقدم هذه الورقة مفهوم "المحاذاة الطبيعية" لتفسير كيفية نجاح النماذج في أنظمة البيانات الشحيحة حيث تفشل فرضية المتشعب، مما يثبت أن هذه الخاصية الهندسية تقلل من أهداف التدريب وتزيد من المتانة، وهو ما يؤدي إلى تطوير استراتيجية تنظيم GrokAlign وآلات محاذاة الميزات التكرارية (RFAMs) الأكثر متانة.