24235 ورقة بحثية
تقترح هذه الورقة إطار عمل LENSEs، الذي يعزز توليد الجزيئات المشروط بالتمثيل من خلال إدخال رأس تمثيل، وفقدان إدراكي للجزيئات، وفقدان محاذاة على مستوى العقدة لتنقيح تمثيلات المشفر مسبق التدريب، مما يحقق تفوقاً في الصلاحية والاستقرار على مجموعة بيانات GEOM-DRUG.
تقترح هذه الورقة إطار عمل جديداً للضبط الدقيق البايزي كفء من حيث المعلمات، والذي يحقق تقديراً فعالاً لعدم اليقين ومعايرة محسنة للنموذج عن طريق إسقاط عدم يقين فضاء الأوزان في فضاءات فرعية منخفضة الأبعاد للغاية، مما يتغلب على التكاليف العالية للمعلمات وعدم استقرار التدريب في طرق "LoRA" البايزية الحالية.
إن Fluxion هو إطار عمل هجين للانتباه المتناثر يحقق دقة عالية وتسريعًا كبيرًا في استنتاج السياق الطويل من خلال التصميم المشترك لميزانية الـ KV المدركة للمخرجات، وتكوينات التناثر الخاصة بكل رأس، والتنفيذ المنسق عبر الأجهزة للتغلب على قيود ذاكرة التخزين المؤقت لـ KV المقيمة في وحدة المعالجة المركزية.
تُثبت هذه الورقة أن الانهيار النموذجي الناتج عن إعادة التدريب المتكرر على بيانات اصطناعية منقحة يمكن منعه نظرياً عبر توظيف التفضيلات التعددية، التي توجه النموذج للتقارب نحو توزيع مستقر ومتنوع يستوفي حل ناش للمساومة الموزون.
تقترح الورقة البحثية سياسة الحقل المنجرف (DFP)، وهي سياسة توليدية ذات خطوة واحدة غير قائمة على المعادلات التفاضلية العادية، حيث تصيغ التحديثات كتدفقات تدرج لـ "واسرشتاين-2" بنمط "كيه إل" العكسي لتحقيق أداء رائد في مهام التلاعب الروبوتي من خلال الجمع بين صعود قيمة الفعل ومناطق الثقة لمطابقة الدرجة.
تقدم هذه الورقة نظام ITM 2.0، وهو نظام تعلم آلي يستفيد من الفهرسة المكانية Uber H3 وخوارزمية LightGBM لحل التحدي الحرج المتمثل في مطابقة شحنات الحمولة الكاملة للشاحنات رغم فقدان المعرفات، محققاً مكاسب كبيرة في الدقة وضِعف التغطية في بيئات الإنتاج.
تقدم هذه الورقة إطار عمل لتعلم العمليات من الرتبة المنخفضة المستند إلى الفيزياء، والذي يجمع بين "المؤثرات العصبية للتوازن" وبين "الاستيفاء التجريبي المنفصل القائم على تحليل QR" لتقليل التكلفة الحسابية للتدريب والاستدلال بشكل جذري لنماذج البدائل للبنى المجهرية فائقة المرونة ثلاثية الأبعاد، مع ضمان التوازن الميكانيكي وتمكين تنبؤات دقيقة للإجهاد.
تقدم الورقة البحثية count-FM، وهو إطار عمل لمطابقة التدفق (flow-matching) خالٍ من المحاكاة يعتمد على عمليات الولادة والوفاة المستمرة، والذي يقوم بتوليد ونقل بيانات العد عالية الأبعاد بكفاءة، مثل تسلسل الحمض النووي الريبي أحادي الخلية وسلاسل النبضات العصبية، مع التفوق على النماذج المرجعية الحالية في جودة العينات وكفاءة النمذجة.
تُظهر هذه الدراسة أن وتيرة إعادة التدريب الثابتة كل خمس دفعات إنتاجية دون إعادة ضبط المعلمات الفائقة، مقترنة بالتنبؤ المطابق لتقدير عدم اليقين، توفر إطار عمل (MLOps) فعالاً من الناحية الحسابية ومتيناً للحفاظ على جودة التنبؤ في تصنيع أشباه الموصلات رغم انحرافات العمليات وتدهور المعدات.
تجادل هذه الورقة بأن التتبع القوي للحالة في النماذج المتكررة يعتمد بشكل حاسم على ديناميكيات التحكم في الخطأ بدلاً من مجرد القدرة التعبيرية النظرية، مبرهنةً على أن الشبكات المتكررة التآلفية تفشل حتماً في المهام ذات الآفاق الطويلة بسبب عجزها عن تصحيح الأخطاء المباعدة بين الحالات، مما يؤدي إلى انهيار التتبع المتوقع بمجرد تجاوز الانتشار داخل الفئة لعتبة القابلية للقراءة لدى فك التشفير.