24235 ورقة بحثية
تُثبت هذه الورقة أن تقريبًا استدلاليًا لإزالة القيم المتطرفة يعتمد على خوارزمية "أقرب من الجيران" (K-Nearest-Neighbor) يحقق ضمانات تقريب ذات عامل ثابت وأداءً تجريبيًا فائقًا لنموذج تجميع -means القوي، مما يجسّر الفجوة بفعالية بين تقنيات كشف القيم المتطرفة وتقنيات التجميع دون الحاجة إلى مراكز إضافية أو خوارزميات معقدة.
تقدم هذه الورقة معياراً شاملاً للكشف عن الشذوذ في الرسوم البيانية (Graph Anomaly Detection) يقيم النماذج في ظل تحديات النشر الواقعية — وتحديداً الرسوم البيانية بمقياس الملايين، والندرة الشديدة للشذوذ، والسمات المفقودة — مما يكشف أن الأساليب الحالية المتطورة غالباً ما تفشل في التوسع أو الحفاظ على الأداء في بيئات الإنتاج مقارنة بنتائجها المختبرية.
تقترح هذه الورقة البحثية طريقة "التقطير عبر ضغط مسار الاستدلال" (D-RPC)، وهي طريقة تعمل على تحسين نقل المعرفة من النماذج اللغوية الكبيرة إلى الصغيرة من خلال تقييد مبررات النموذج المعلم بمصرف يتم صيانته ديناميكيًا من مسارات الاستدلة عالية المستوى القابلة لإعادة الاستخدام، مما يؤدي إلى تقليل ضجيج الإشراف وتحقيق أداء متفوق عبر العديد من معايير الاستدلال مقارنة بتقنيات التقطير الحالية.
تقدم الورقة البحثية MathlibPR، وهو معيار مستمد من سجلات طلبات السحب الحقيقية لـ Lean/Mathlib4، لتقييم قدرة النماذج اللغوية الكبيرة والوكلاء على التمييز بين المساهمات الجاهزة للدمج وتلك غير المدمجة، مما يكشف عن معاناتهم الحالية ويسلط الضوء على إمكانات المعيار في تطوير مساعدي المراجعة ونماذج المكافأة.
تقدم هذه الورقة طريقة مبتكرة تتعلم مباشرة نماذج لاغرانج المستمرة للمعادلات التفاضلية الجزئية عبر تقليل بقايا أويلر-لاغرانج باستخدام متكامل قائم على الأمثلة خالٍ من الشبكات، مما يتيح تنبؤات مستقرة وطويلة المدى مع قابلية توسع خطية وتعميم على أي شروط حدودية دون الحاجة لإعادة التدريب.
تُظهر هذه الورقة أن تمثيلات النصوص (text embeddings) الحالية، رغم أدائها الكافي على مستويات المجالات الفرعية الأوسع، تفشل في التقاط الأجندات البحثية دقيقة التفاصيل، مما يكشف عن قصور حرج في عمليات التوليد المعزز بالاسترجاع العلمي (scientific RAG) يمكن معالجته جزئياً عبر الاستفادة من إشارات الاستشهاد المرجعي.
تقترح هذه الورقة إطار عمل للتعلم بالتقليد العصبي الرمزي يجمع بين قدرة الشبكات العصبية على معالجة البيانات عالية الأبعاد وقدرات التعميم للطرق الرمزية، وذلك عبر الاستفادة من معلومات التدريب المتميزة مثل بيانات تتبع حركة العين لتحسين الكفاءة والحد من الإفراط في التخصيص.
تقدم هذه الورقة خوارزمية الجدوى المرتبة بالتكلفة (COF) للمتعدد الأذرع ذات التكاليف المدعومة، حيث تضع حدوداً نظرية أكثر إحكاماً تعتمد على الحالة، وتُظهر أداءً تجريبياً متفوقاً في تقليل التكاليف مع تلبية قيود المكافأة مقارنة بالنماذج المرجعية الحالية.
تقدم الورقة البحثية RelAge-GNN، وهو إطار عمل لشبكة عصبية رسومية متعددة العلاقات يدمج أنماط الميثيل المشترك، والتوضع الجيني المشترك، والارتباطات على مستوى الجينات لتحسين دقة التقدير العمري القائم على ميثيلة الحمض النووي (DNA) وقابليته للتفسير البيولوجي مقارنة بالطرق الحالية.
يُعد HyperEyes وكيل بحث متوازي متعدد الوسائط تم تدريبه عبر إطار تعزيز كفاءة ثنائي الحبيبات يدمج التأسيس البصري والاسترجاع في إجراءات متزامنة، محققاً دقة فائقة وتكاليف استدلال منخفضة بشكل كبير مقارنة بالوكلاء المتسلسلين الحاليين.