24528 ورقة بحثية
يُعد FloatSOM إطار عمل جديداً للخرائط ذاتية التنظيم (Self-Organizing Map) موزعة ومعززة بمعالجات الرسوميات (GPU)، يتغلب على قيود الذاكرة من خلال التدفق المدعوم بالقرص الصلب ويدعم توبولوجيا مرنة، محققاً خطأ تكميمٍ هو الأفضل حالياً وقابلية توسع عالية الإنتاجية على مجموعات بيانات تصل إلى مليار عينة.
تقترح هذه الورقة إطار عمل قائماً على التعلم التعزيزي يصيغ توجيه الشاحنات الكهربائية العشوائي كعملية قرار شبه ماركوفية مدفوعة بالأحداث مع تمثيل حالة قائم على الرسوم البيانية وقناع للعمليات، مما يظهر أداءً فائقاً على النماذج الاستدلالية ونتائج قريبة من المثالية مقارنة بالبرمجة الرياضية في ظل حالات عدم اليقين التشغيلية وقيود الشحن.
تقدم هذه الورقة PiGGO، وهو إطار عمل للنماذج التفاضلية العادية الرسومية الموجهة بالفيزياء والمدمجة مع مرشح كالمان الموسع، لتمكين الاستشعار الافتراضي عبر الإنترنت وتقدير الحالة بمتانة وإدراك لعدم اليقين للهياكل الديناميكية غير الخطية ذات النماذج المجهولة والتحسس المتفرق.
تتناول هذه الورقة فجوة الأداء المستمرة في التعلم الاتحادي الناتجة عن كل من انحياز التسجيل وانحياز اختيار المشاركة، وذلك عبر صياغة نموذج اختيار ثنائي المراحل واقتراح FedIPW، وهو مخطط تجميع يعتمد على الأوزان العكسية للاحتمالية يستعيد بفعالية أهداف المجتمع المستهدف حتى عندما تكون المتغيرات المصاحبة على مستوى العميل محدودة.
تقترح هذه الورقة نموذج "آلة النواة لشبكة الموتر البايزية" (LA-TNKM) الذي يستخدم تقريب لابلاس الخطي لتوفير تقديرات مبدئية لعدم اليقين، مُظهرةً أداءً يطابق أو يتجاوز العمليات الغاوسية والشبكات العصبية البايزية في معايير قياسية متنوعة للانحدار.
تُظهر هذه الدراسة أن نموذج لغة صغير مفتوح المصدر (Qwen2.5-7B)، تم ضبطه بدقة وتكييفه مع مجال محدد، يتفوق بشكل كبير على كل من النماذج المرجعية والنماذج اللغوية الكبيرة المملوكة والمتقدمة في دقة تعيين درجات مؤشر شدة الطوارئ من السرديات السريرية للفرز الطبي، مما يوفر أداة موثوقة لدعم اتخاذ القرار وتحافظ على الخصوصية لأقسام الطوارئ.
تقدم هذه الورقة إطار عمل لفك التشفير التخميني متكامل مع النظام ضمن NeMo-RL، والذي يعمل كأداة تسريع غير فاقدة للمعلومات لعمليات التدفق (rollouts) في مرحلة ما بعد التدريب للتعلم التعزيزي، محققاً تحسناً في الإنتاجية بنسبة 1.8 ضعف عند مقياس 8B، ومتوقعاً تسريعاً يصل إلى 2.5 ضعف في نهاية العملية عند مقياس 235B عند دمجه مع التنفيذ غير المتزامن.
تقدم هذه الورقة خوارزمية جديدة للتعلم شبه المُشرف تعظم الهامش لقطع الرسوم البيانية بالنسبة لتسميات الدوال التوافقية، مما يظهر أداءً فائقاً على طرق تنظيم المتعددات ذات الأبعاد (manifold regularization) الرائدة في كل من مجموعات البيانات الاصطناعية والواقعية.
تقدم هذه الورقة إطار عمل لاختيار الميزات الكمومية باستخدام صيغة التحسين الثنائي غير المقيد من الرتبة العليا (HUBO) مع التبعيات متعددة المتغيرات، والتي تم تنفيذها بنجاح على أجهزة الأيونات المحاصرة من نوع IonQ Forte لإثبات أداء تصنيف تنافسي وجدوى التحسين الكمومي من الرتبة العليا لمعالجة البيانات مسبقاً في تعلم الآلة.
تقدم الورقة البحثية SPIN، وهو إطار عمل استدلال مصمم بشكل مشترك يوحد خوارزميات الانتباه المتناثرة المتنوعة مع إدارة هرمية لذاكرة وحدة معالجة الرسومات ووحدة المعالجة المركزية من خلال تجريد مشترك قائم على الصفحات، وتخزين مؤقت مدرك للمحلية، وتخطيطات بيانات وصفية محسنة، محققاً تحسينات كبيرة في معدل الإنتاجية وزمن الاستجابة مقارنة بتطبيقات vLLM والانتباه المتناثر الحالية.