24235 ورقة بحثية
تقدم هذه الورقة Evo-PU، وهو إطار عمل للتعلم من البيانات الموجبة غير المصنفة (positive-unlabeled learning) يعمل صراحةً على نمذجة انحياز البقاء من خلال عمليات الطفرات التطورية ليتفوق بشكل كبير على الأساليب الحالية في التنبؤ بوظائف البروتين عبر مجموعات بيانات فيروسية متنوعة.
تقدم هذه الورقة REPR-ALIGN، وهي طريقة تسرع تدريب نماذج اللغات الانتشارية من خلال محاذاة حالاتها الخفية مع حالات نموذج تلقائي الترتيب مجمد، مما يحافظ على التمثيلات الدلالية المتعلمة ويسمح بالتكيف الفعال دون تغييرات هيكلية أو معاملات إضافية.
تقدم هذه الورقة إطار عمل متمحوراً حول البيانات يعمل على تكييف التعلم الواثق للكشف عن تحيز التسميات والتخفيف من حدته في تقسيم الصور عبر الاستفادة من تنبؤات النموذج الواثقة لتحديد الأخطاء المنهجية والشوائب في فضاء السمات، مما يحقق أداءً عادلاً عبر المجموعات الديموغرافية الفرعية دون الحاجة إلى تسميات أرضية نظيفة وغير متحيزة.
تقدم هذه الورقة خوارزمية "الاسترخاء والتقريب" (relax-and-round) مُسرَّعة لمشكلات التغطية المقعرة، والتي تستبدل البرمجة الخطية بطرق التدرج المتسارع المُسقط وتستخدم مخطط تقريب "الهايبرسيمبلكس" (hypersimplex) متخصصًا لتحقيق وقت تشغيل محسّن ونسب تقريب محكمة، متفوقة بذلك على أحدث برامج حل البرمجة الخطية في التجارب.
تقدم هذه الورقة البحثية "التدفقات المحافظة" (Conservative Flows)، وهو نموذج توليدي جديد يحسن النماذج القائمة على التدفق من خلال إجراء ديناميكيات عشوائية منفصلة تبدأ من حالات مدعومة بالبيانات بدلاً من الضجيج، وذلك باستخدام آليات أخذ عينات تحافظ على الاحتمالية لتعزيز جودة التوليد باستمرار عبر مختلف مجموعات البيانات.
تقدم هذه الورقة DIAL، وهو إطار تعلم تكيفي مستند إلى الاتجاه يتغلب على عدم استقرار إشارات البوابة ذات الاتجاه الثابت في وكلاء النماذج اللغوية الكبيرة (LLM agents) من خلال تعلم اتجاهات المنفعة الخاصة بالبيئة عبر الاستكشاف المضاد للواقع، محققاً بذلك توازناً متفوقاً بين النجاح والتكلفة عبر إعدادات متنوعة.
تقدم هذه الورقة إطار عمل للدمج الزمني ثنائي المقياس يعزز التنبؤ بدرجات الحرارة من المقياس دون الموسمي إلى الموسمي من خلال نمذجة التفاعل الهيكلي صراحةً بين السياق المناخي المتوافق مع التقويم وتطور الطقس الأخير، كاشفةً أن مهارة التنبؤ تتحدد أساساً من خلال التحولات الموسمية والجغرافية في هيمنة المقياس الزمني بدلاً من مجرد التضاؤل المرتبط بمهلة التنبؤ.
تقدم الورقة البحثية "You Only Stack Once" (YOSO)، وهي مسار معالجة جديد للتعلم العميق يستخدم مرشح حركة غاوسي (Gaussian Motion Filter) للكشف بكفاءة عن أجرام المجموعة الشمسية الباهتة وبطيئة الحركة بمعدل منخفض للغاية من الإيجابيات الكاذبة، مما يوفر بديلاً قابلاً للتوسع لطرق "الإزاحة والتكديس" (shift-and-stack) التقليدية للمسوحات الفلكية واسعة النطاق.
تقدم هذه الورقة "متنبئ زمن السفر المعمم" (GenTTP)، وهو إطار عمل يتغلب على قيود نماذج الشبكات العصبية الرسومية الحالية من خلال التنبؤ بدقة بأزمنة السفر والتدفقات على مستوى النظام عبر خيارات المسارات المتغيرة، بدلاً من أن يكون مقيداً بتحققات الطلب الثابتة.
تقترح هذه الورقة آلية متوافقة مع الحوافز لتعيين الائتمان في السياق بناءً على حل "اللب الأدنى" من نظرية الألعاب التعاونية، مقدمةً خوارزميات فعالة تقرب التوزيع العادل للقيمة بين منشئي المحتوى باستخدام عدد أقل بكثير من استدعاءات النماذج اللغوية الكبيرة مقارنة بالطرق الحالية.