24017 ورقة بحثية
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.
تقدم هذه الورقة البحثية طريقة Local LMO، وهي طريقة تحسين خالية من الإسقاط (projection-free) تستبدل أوراكل التقليل الخطي العالمي الخاص بخوارزمية Frank-Wolfe بأوراكل محلي لتحقيق معدلات تقارب تضاهي طريقة "الاشتقاق المتدرج المسقط" (Projected Gradient Descent)—بما في ذلك المعدلات الخطية للدوال ذات التحدب القوي والضمانات للمجموعات غير المحدودة—دون الاعتماد على افتراضات الانحناء التقليدية.
تحدد هذه الورقة البحثية التضخيم العابر الناتج عن جاكوبيات غير طبيعية وغير تبادلية باعتباره السبب الجذري لأخطاء التدحرج طويلة الأمد في المحاكيات العصبية ذات الترتيب الذاتي، وتقترح طريقة تنظيم للتبادلية بتكلفة صفرية تعمل على تحسين استقرار التنبؤ بشكل كبير عبر آلاف الخطوات، حتى في حالات التوزيع الخارج عن النطاق.
تُعد RareCP طريقة استرجاع واعية بالأنظمة للتنبؤ بالسلاسل الزمنية، حيث تعزز كفاءة التنبؤ المطابق باستخدام خليط من الخبراء للتمييز بين أنظمة الخطأ المتميزة، وشبكة فائقة متكيفة مع الانجراف لاسترجاع أمثلة معايرة ذات صلة لتوليد فترات تنبؤ موثوقة وغير متماثلة.