24135 ورقة بحثية
تستقصي هذه الورقة قدرات العدّ متعدد الحدود لشبكات الأعصاب الممررة للرسائل (MPNNs)، حيث تُثبت قدرتها على التحقق من قيود متعددة الحدود عالمية ومحلية محددة في الرسوم البيانية ذات العقد المسمّاة باستخدام تجميع المتوسط، لا سيالما في ظل ظروف مثل الرسوم البيانية المنتظمة، أو الأنماط غير المتداخلة، أو الهياكل الشبيهة بالأشجار.
تثبت هذه الورقة أنه في الشبكات العصبية عالية الأبعاد وواسعة النطاق التي تتعلم ميزات هرمية، يحدث اكتساب الميزات من خلال انتقالات طورية متتابعة حادة تحدد "عرضًا فعالًا" وتوحد قوانين قياس خطأ التعميم المتمايزة في علاقة مثلى واحدة، وهو أمر يمكن تحقيقه تجريبيًا بواسطة الطلاب المدربين باستخدام خوارزمية Adam.
تقترح هذه الورقة طريقة لتوليد تفسيرات سببية دقيقة لشبكات ReLU العصبية من خلال استخراج قواعد القرار مباشرة من بنيتها الهندسية كدوال خطية مجزأة معرفة بواسطة متعددات سطوح محدبة، وذلك لتجنب تدهور الأداء ومشكلات الدقة المرتبطة باستخلاص النماذج لأغراض التفسير.
تقترح هذه الورقة إطار عمل مبدئيًا يجمع بين خوارزميات "المتعدد الأذرع" (multi-armed bandit) وتنبؤات التفكيك منخفض الرتبة لبناء مُقدِّرات متينة مزدوجًا، مما يتيح تحديد أفضل نموذج لغوي كبير على معايير ثابتة بطريقة صالحة إحصائيًا وفعالة من حيث التكلفة.
تكشف هذه الورقة عن فجوة حرجة بين البحث المنهجي والتطبيق العملي في تقدير أثر العلاج، حيث تُظهر أن مقاييس الواقع المضاد والمعايير شبه المحاكية تفشل في التنبؤ بموثوقية أداء النماذج على البيانات الواقعية، داعيةً بذلك إلى التحول نحو المقاييس القابلة للملاحظة والتحقق باستخدام البيانات الحقيقية.
تقترح هذه الورقة "حالات توليدية متمحورة حول الواجهة" من خلال أداة الترميز C2LT-3D، والتي تنقل التمثيل ثلاثي الأبعاد من مجرد ضغط مكاني سلبي إلى حالة تشغيلية تكشف صراحةً عن الهندسة، وملكية المكونات، وصلاحية الاتصال لتمكين الاستدلال الهيكلي والإصلاح القوي في الأصول ثلاثية الأبعاد ذات العوالم المفتوحة.
يقدم SlimSpec تمثيلاً بارامترياً منخفض الرتبة لرأس النموذج اللغوي الخاص بالنموذج المسود (drafter)، والذي يضغط التمثيلات الداخلية لتحقيق تسريع يتراوح بين 4 إلى 5 أضعاف، وزيادة في سرعة الأداء النهائي تصل إلى 8-9% مقارنة بالطرق الحالية، مع الحفاظ على دعم المفردات الكامل وتطلب حد أدنى من التعديلات على خط المعالجة.
تقدم هذه الورقة البحثية شبكة QT-Net، وهي شبكة عصبية رسومية معززة دورانياً تم تقييمها عبر بروتوكول مبدئي خارج التوزيع يعتمد على واصفات SOAP، مما يثبت أن استنتاج الخصائص الذرية مثل أعداد الإلكترونات والعزوم متعددة الأقطاب يحسن التنبؤ بخصائص الجزيئات اللاحقة ويستعيد بدقة عزوم ثنائية القطب الحقيقية.
تتقصى هذه الورقة تدهور الأداء الناتج عن الانتقال من Adam إلى Muon لضبط النماذج مسبقة التدريب، حيث تُظهر أن عدم التطابق في المُحسِّن يؤدي إلى تعطيل المعرفة المكتسبة، ويمكن التخفيف من ذلك بفعالية من خلال تقييد قوة التحديث عبر طرق مثل LoRA.
تقدم هذه الورقة نهجاً للتحقق الرسمي للشبكات العصبية التناظرية تحت تأثير تغيرات العمليات باستخدام النطاقات متعددة الحدود (polynomial zonotopes) ونموذجاً قائماً على كثيرات الحدود، مما يقلل زمن التحقق بشكل كبير من أيام إلى ثوانٍ مع احتواء 99% من عينات التباين بدقة دون الاعتماد على محاكاة مونت كارلو.