24528 ورقة بحثية
تثبت هذه الورقة قدرات التقريب الشامل لمختلف البنيات، حيث تثبت أن المحولات (transformers) يمكنها تقريب المؤثرات التكاملية بين فضاءات هولدر (Hölder spaces)، وأن كلاً من مؤثرات التكامل العصبية المعممة والمحولات المعدلة يمكنها تقريب أي مؤثرات بين فضاءات باناخ (Banach spaces).
تقترح هذه الورقة نموذج محول متعدد الوسائط يدمج ملاحظات الطقس التاريخية المحلية مع التوقعات الشبكية واسعة النطاق لتوليد تنبؤات جوية دقيقة خارج الشبكة، متفوقة بشكل كبير على الأساليب الحالية من خلال تقليل أخطاء التنبؤ بنسبة تصل إلى 80% للتطبيقات عالية المخاطر مثل إدارة حرائق الغابات والطاقة المتجددة.
تقدم هذه الورقة تحليلاً ميكانيكياً لقوى التجاذب والتنافر في UMAP، موضحةً كيف تشكل تكوينات العناقيد ومقترحةً تعديلاً على التجاذب لتحسين اتساق التضمين تحت التهيئة العشوائية.
تقترح الورقة البحثية نهجاً جديداً يمثل أحدث ما توصل إليه العلم في مجال تقدير الاحتمالية الشرطية دقيقة التفاصيل في النماذج اللغوية الكبيرة، وذلك عبر استخدام مزيج من البيانات البشرية والاصطناعية، والتوسع، وتحسين الإشراف للتغلب على المشكلات الحالية المتعلقة بالتنبؤات الاحتمالية الفجة والمنحازة.
إن RetroInfer هو محرك تخزين متجهي مصمم لتسريع استنتاج النماذج اللغوية الكبيرة ذات السياق الطويل من خلال استخدام "فهرس موجي" متخصص ومدير ذاكرة مؤقتة (buffer manager) بين وحدة معالجة الرسومات ووحدة المعالجة المركزية لاسترجاع أكثر رموز ذاكرة الـ KV صلة بكفاءة، مما يزيد الإنتاجية بشكل كبير مع الحفاظ على دقة الانتباه الكامل.
تقدم هذه المساهمة استراتيجية بسيطة لدمج الميزات المتبقية تضمن نظرياً تجنب النقل السلبي من خلال ضمان معدلات تقارب لا تقل سوءاً عن التدريب من الصفر، بينما تثبت تجريبياً أداءً قوياً عبر معايير متنوعة وتسمح بالتوسع نحو تعدد الوسائط للتكيف مع القيود الزمنية.
إن LAMP (مسبار رسم خرائط العزو المحلي) هو إطار عمل خفيف الوزن، يعتمد على الصندوق الأسود، يقوم بمراجعة النماذج اللغوية الكبيرة من خلال ملاءمة بدائل خطية محلية لتفسيراتها المبلغ عنها ذاتياً، مما يسمح للباحثين بتقييم مدى اتساق استدلال النموذج المعلن مع تنبؤاته الفعلية.
تُثبت هذه الورقة البحثية المثالية الدنيا القصوى (minimax optimality) لعائلة من خوارزميات التدرج المتناقص ذات المرة الواحدة (one-pass) التي تتبع الخصوصية التفاضلية في النظام عالي الأبعاد، حيث تقدم تحليلاً حتمياً يوضح كيف تعمل التقنيات العملية مثل قص التدرج العدواني وتناقص معدلات التعلم على تحسين معدلات الخطأ لكل من البيانات جيدة التكيّف والبيانات ذات توزيع قانون القوة.
تعيد هذه الورقة تفسير نجاح "ألفافولد" (AlphaFold) من خلال إثبات أن دالة طاقة الوضع التي تعلمها ليست مجرد تقريب استدلالي، بل هي تطبيق مبدئي للحركية الاحتمالية (تكييف جيفري)، مما يوفر أساساً بايزياً رسمياً لتنبؤاته البنيوية.
يُعد ODE-GS إطار عمل مبتكر يتيح الاستقراء المستقبلي للمشاهد ثلاثية الأبعاد الديناميكية في وقت مستمر من خلال نمذجة مسارات معاملات غاوس ثلاثية الأبعاد كديناميكيات كامنة تتطور عبر المعادلات التفاضلية العادية (ODEs) العصبية.