24017 ورقة بحثية
تُثبت هذه الورقة أنه بالنسبة لمهام البرمجة التنافسية، فإن تخصيص الحوسبة وقت الاستدلال لأخذ العينات المستقلة المتكررة (k-shot) يحقق باستمرار مقايضات أفضل بين الدقة والتكلفة والدقة وعدد الاستعلامات مقارنة بالاستدلال القائم على الوكيل، حتى عند أخذ تخزين التلقين المؤقت في الاعتبار.
تقترح هذه الورقة إطاراً موحداً يجمع بين دالات ليابونوف والقيود التربيعية التكاملية (IQC) لإثبات الاستقرار الموحد للمحسنات من الدرجة الأولى ذات التسارع، والتي تتسم بالنعومة والتحدب القوي، وذلك عبر نمذجتها كأنظمة تغذية راجعة من نوع لوريه (Lur'e-type) والتحقق من استقرارها عبر البرمجة شبه المحددة.
تقدم الورقة البحثية MathConstraint، وهو معيار تكيفي يقوم بتوليد مسائل الاستدلال التوليفي الصعبة والتحقق منها بصرامة بشكل تلقائي لتقييم النماذج اللغوية الكبيرة، مما يظهر أن الوصول إلى الأدوات يعزز الأداء بشكل كبير مع الكشف عن حساسية النماذج العالية تجاه تقليص ميزانيات استدعاء الأدوات.
تقدم هذه الورقة مقدراً عميقاً للمخاطر للشبكات التي تجمع بين المعاملات المتعلمة والمعروفة، والتي تفكك المخاطر الإجمالية إلى حدود خاصة بكل طبقة لتوضيح أن استبدال الطبقات المتعلمة بمعاملات معروفة يقلل من حدود الخطأ ومتطلبات العينات، وهو اكتشاف تم التحقق من صحته من خلال تجارب إعادة بناء التصوير المقطعي المحوسب وقابل للتطبيق على الشبكات العصبية المستنيرة بالفيزياء.
تقترح الورقة البحثية إطار عمل SeBA، وهو إطار عمل جديد للتعلم بلقطات قليلة شبه مُشرف للبيانات الجدولية يلغي الحاجة إلى عمليات تعزيز البيانات التي يصعب تحديدها من خلال محاذاة رؤى مستقلة ومتكاملة بناءً على مراسلات الجار الأقرب، مما يحقق أداءً هو الأفضل في فئته عبر مختلف المعايك المرجعية.
تقترح هذه الورقة طريقة هندسية تدمج تقسيم الفيضانات القائم على نموذج Mask2Former مع نماذج الارتفاع الرقمية لتقدير عمق الفيضان ثلاثي الأبعاد ومنسوب سطح الماء من الصور الجوية أحادية العدسة، مما يتيح الوعي بالموقف السريع بعد الكوارث دون التأخير الناتج عن المحاكاة الهيدروديناميكية.
تقترح هذه الورقة إطار عمل "حقل الانتشار" (Propagation Field) الذي يعيد تعريف الشبكات العصبية من خلال مساراتها الهندسية الداخلية وبنى جاكوبي (Jacobian structures) الخاصة بها بدلاً من مجرد خرائط المدخلات والمخرجات، مبرهنةً على أن التحسين الصريح لخصائص هذا الحقل يعزز الأداء في التعميم، والمتانة، والتعلم المستمر بما يتجاوز ما يمكن أن تحققه خسائر النقاط النهائية وحدها.
تقدم هذه الورقة بنية ذاكرة قائمة على أسس بيولوجية لوكلاء النماذج اللغوية الكبيرة (LLM agents) تتميز بست آليات معرفية ومنهجية معايرة اصطناعية، مما يظهر تحسينات كبيرة في دقة الاستبقاء وكفاءة التخزين عبر اختبارات تتبع المشكلات والدردشة الشخصية واسعة النطاق.
تُصيغ هذه الورقة البحثية المفهوم ويتحقق منها تجريبياً مفهوم الاستمرارية الزمنية في النماذج المتسلسلة، مبرهنةً على أن نماذج مثل S4 تُظهر سلوكاً مستمراً مستقراً يتماشى مع استمرارية المهام لتحسين الأداء، بينما تكون نماذج مثل Mamba (S6) أكثر حساسية لعملية التجزئة، لتُظهر في النهاية أن الاستفادة من الاستمرارية تُمكّن من استراتيجيات أكثر كفاءة وفعالية لأخذ العينات الزمنية الفرعية.
تقدم هذه الورقة ميكانيكا لاغرانج لـ واسرشتاين (WLM)، وهو إطار عمل وخوارزمية جديدة تتعلم ديناميكيات الجماعات من الدرجة الثانية من اللقطات الزمنية عن طريق تقليل فعل مخمد، وبذلك تتغلب على قيود التدفقات المتدرجة لنمذجة السلوكيات المعقدة بدقة مثل الدورية، وديناميكيات الدوامات، والتنامي الجماعي.