24235 ورقة بحثية
تقترح الورقة البحثية إطار عمل Gated QKAN-FWP، وهو إطار تعلم تسلسلي مستوحى من الكم وقابل للتوسع وكفء في المعلمات، يدمج مبرمجي الأوزان السريعة (Fast Weight Programmers) مع شبكات كولموغوروف-أرنولد الكمية أحادية الكيوبت لتحقيق دقة فائقة في التنبؤ طويل المدى على كل من المعايير الكلاسيكية وأجهزة الحوسبة الكمية ذات الضجيج المتوسط (NISQ) مقارنة بالنماذج المتكررة الأكبر حجماً.
تقترح الورقة البحثية STDA-Net، وهو إطار عمل للتكيف غير الخاضع للإشراف بين النطاقات يعتمد على المخطط الطيفي (spectrogram) ويدمج الشبكات العصبية الالتفافية (CNNs)، وشبكات الذاكرة الطويلة قصيرة المدى ثنائية الاتجاه (BiLSTMs)، والتعلم التنافسي لتحقيق تصنيف قوي ومستقر لمراحل النوم عبر مجموعات البيانات المختلفة، متفوقاً بذلك على الأساليب الحالية القائمة على الإشارات أحادية البعد عبر مجموعات بيانات متعددة.
تقدم الورقة البحثية شبكات كولموغوروف-أرنولد الهندسية (GeoKANs)، وهي عائلة من النماذج التي تعزز تقريب الدوال والتعلم المستند إلى الفيزياء من خلال تعلم مترية ريمانية قطرية لطي إحداثيات المدخلات، مما يعيد تخصيص دقة التمثيل ديناميكيًا للتعامل بشكل أفضل مع الأنظمة الحادة والمتصلبة وغير المنتظمة.
تستنتج هذه الورقة حداً أعلى بصيغة مغلقة لخطوات معدل التعلم المقبولة في ديناميكيات فضاء الاعتقاد عبر نمذجة التحديثات كخطوات مسقطة للأمام على متماثل الاحتمالات، حيث يتم تعريف القبول بوصفه انكماشاً في هندسة KL/Bregman الطبيعية.
تقترح الورقة البحثية طريقة "تحسين السياسة القائم على الاستقراء المتدرج" (GXPO)، وهي طريقة متوافقة للتركيب مع أساليب التعلم المعزز من طراز GRPO المخصصة للاستنتاج، حيث تقوم بتقريب عمليات التطلع متعددة الخطوات المكلفة باستخدام ثلاث تمريرات خلفية فقط لتحقيق تحسينات كبيرة في أداء (pass@1) وكفاءة التدريب دون الحاجة إلى عمليات سحب عينات جديدة.
تقدم الورقة البحثية "ويبليكا" (Weblica)، وهو إطار عمل يستفيد من التخزين المؤقت على مستوى بروتوكول HTTP والتركيب القائم على النماذج اللغوية الكبيرة لإنشاء بيئات ويب قابلة للتوسع وقابلة لإعادة الإنتاج، مما مكن من تدريب نموذج "ويبليكا-8B" الذي يتفوق على النماذج مفتوحة الأوزان الحالية في مهام الملاحة البصرية عبر الويب.
تقدم هذه الورقة Louver، وهو فهرس مبتكر ومُحسَّن للأجهزة يعيد صياغة الانتباه المتناثر (sparse attention) كمسألة بحث عن نطاق نصف الفضاء لضمان عدم وجود سلبيات كاذبة في استرجاع ذاكرة التخزين المؤقت لـ KV، محققاً بذلك دقة وكفاءة زمن تشغيل متفوقتين مقارنة بطرق الانتباه المتناثرة والكثيفة الحالية.
تقترح الورقة البحثية مسافة مونج للإنسبشن (MIND)، وهي مقياس لتقييم النماذج التوليدية يستفيد من مسافة واسرستينين المقطوعة لتحقيق كفاءة عينة، وسرعة حوسبة، ومتانة ضد الهجمات العدائية متفوقة مقارنة بمسافة إنسبشن فريشيه (FID) القياسية.
تُعد LookWhen إطار عمل فعال لتمييز الفيديو يستخدم مُنتقيًا ضحلاً لتحديد ومعالجة الرموز الأكثر إفادة فقط، مما يحقق مقايضات فائقة بين الدقة والحوسبة مقارنة بالنماذج الحالية من خلال تعلم متى وأين وماذا تحسب.
تقدم هذه الورقة تقنية "التقطير من النموذج إلى البيانات" (M2D)، وهي إطار عمل يعزز شفافية الشبكات العصبية الرسومية عبر نقل تعقيد النموذج إلى فضاء البيانات، مما يسمح للنماذج الطلابية البسيطة بمضاهاة أداء النموذج المعلم مع جعل المزايا الهيكلية والآليات الكامنة قابلة للفحص المباشر.