24528 ورقة بحثية
يُعدّ Nemotron 3 Nano Omni نموذجاً جديداً مفتوح المصدر متعدد الوسائط يدعم أصلياً مدخلات الصوت والنص والصورة والفيديو، ويقدم دقة محسنة وقدرات وكيلة واستدلالاً فعالاً من خلال هيكل أساسي مكون من 30 مليار معلمة و3 مليارات معلمة نشطة وتقنيات لتقليل الرموز، مع إصدار نقاط تفتيش وبرمجيات لدعم المزيد من الأبحاث.
تقدم هذه الورقة "التدريب المتوافق مع الحوسبة" (Compute Aligned Training)، وهو إطار عمل مبتكر يعمل على مواءمة أهداف التدريب للنماذج اللغوية الكبيرة مع استراتيجيات الاستدلال في وقت الاختبار عبر اشتقاق دوال خسارة جديدة، مما يؤدي إلى تحسين توسع الأداء بشكل كبير مقارنة بأساليب الضبط الدقيق الموجه للتعليمات (SFT) والتعلم المعزز (RL) القياسية.
يُعد PolyKV نظاماً مبتكراً يُمكّن وكلاء استدلال نماذج اللغات الكبيرة (LLM) المتعددين والمتزامنين من مشاركة مجمع ذاكرة تخزين مؤقت (KV cache) واحد مضغوط بشكل غير متماثل —باستخدام تكميم int8 للمفاتيح (Keys) وتكميم 3-بت قائم على تحويل فورييه السريع (FWHT) للقيم (Values)— محققاً خفضاً في الذاكرة يصل إلى 97.7% مع تدهور طفيف في الارتباك (perplexity) مع الحفاظ على جودة مخرجات عالية عبر مختلف أحجام النماذج وأطوال السياق.
تقدم هذه الورقة البحثية تقنية "التنعيم المترابط بـ لابلاس" (LBS)، وهي إعادة صياغة تحليلية لتقنية "التنعيم العشوائي" تلغي الحاجة إلى التدريب المعزز بالضجيج وتخفض تكاليف التصديق بشكل جذري، مما يتيح متانة موثقة رسمياً وسريعة على الأجهزة الطرفية محدودة الموارد.
تقدم هذه الورقة المبادئ التأسيسية للشبكات العصبية المستنيرة بالفيزياء (PINNs) وتثبت ملاءمتها لحل مشكلات الهندسة التفاضلية من خلال صياغة الإنشاءات الهندسية كمهام لتقليل الخسارة، وهو ما توضحه ملخصات لثلاثة أعمال ذات صلة.
تُبين هذه الورقة أن شرط قابلية القياس من نوع بوريل (Borel measurability) لـ "القيم العليا للفجوة الشبحية" (ghost-gap suprema) في إثبات التناظر القياسي لتعلم VC هو أقوى مما هو ضروري، حيث تُظهر بدلاً من ذلك أن الأحداث السيئة ذات الصلة هي أحداث تحليلية (analytic) وبالتالي فهي قابلة للقياس في إتمام أي مقياس بوريل منتهي، وهي نتيجة تمت صياغتها رسمياً في لغة Lean 4 بما يضعف فرضيات قابلية القياس اللازمة لإثبات قابلية التعلم بنظام PAC.
تُعد CiteRadar أداة مفتوحة المصدر تعمل عبر سطر الأوامر، تُمكّن الباحثين من تحليل تأثير الاستشهاد الخاص بهم وتصور النطاق الجغرافي من خلال دمج خمسة مصادر بيانات غير متجانسة عبر مسار معالجة قوي يتميز بإصلاحات متخصصة لنمذجة بيانات "Google Scholar"، وفك التباس أسماء المؤلفين، وإثراء بيانات المواقع من "OpenAlex" لإنتاج مخرجات مهيكلة وخرائط عالمية تفاعلية.
تعالج مجموعة أدوات سياسة سبارك (Spark Policy Toolkit) مشكلتي القابلية للتوسع والهشاشة في خطوط أنابيب تعلم السياسات المخصصة في سبارك من خلال تقديم بدائيات محكومة دلالياً وخالية من المحرك لعمليات الاستدلال المتجهي والبحث المنقسم، والتي تضمن الحفاظ على مخرجات السياسة والإنتاجية العالية عبر مقاييس الميزات الضخمة.
تقدم هذه الورقة البحثية "مطابقة تدفق الاحتمالية" (Probability Flow Matching - PFM)، وهي إطار عمل قابل للتوسع يتعلم عمليات عشوائية متسقة بيوفيزيائياً من بيانات الخلية الواحدة ذات الدقة الزمنية لنمذجة ديناميكيات التنظيم الجيني، وانتقالات السلالات، والاستجابات الخلوية بدقة، مع التغلب على قيود التفسير والتعميم التي تعاني منها الطرق الحالية.
تقترح هذه الورقة البحثية طريقة "تخمير الميزانية الحرارية" (TBA)، وهي طريقة استكشاف تعتمد مبدأ "الجدوى أولاً" تجمع بين الإنهاء المبكر للتجارب واستبعاد الفضاءات الجزئية مع مُقدِّرات "تري ستراكتشرد بارزن" (Tree-structured Parzen Estimators) ذات البداية الدافئة، وذلك لتحسين عمليات نشر تعلم الآلة المقيدة بكفاءة في فضاءات البحث الهرمية المعرضة للانهيار، وهو ما تم التحقق منه عبر معيار "ديبلويبينش" (DeployBench) الجديد عبر أهداف معالجة رسومية (GPU) متنوعة.