24528 ورقة بحثية
تتقصى هذه الورقة البحثية الدوافع الكامنة وراء التعميم التركيبي في النماذج التوليدية البصرية، حيث تحدد أن التدريب على التوزيعات المستمرة وتوفير تكييف معلوماتي هما عاملان رئيسيان، وتُبين أن تعزيز النماذج المنفصلة بهدف إضافي مستمر قائم على نموذج (JEPA) يحسن قدرتها على توليد تركيبات مفاهيمية جديدة.
تُظهر هذه الدراسة أن DINOv3 يقدم أفضل أداء لتصنيف صور الأشعة السينية للصدر للبالغين عند استخدامه مع هيكل ConvNeXt-B بدقة 512x512، لا سيما في حالات الاعتلالات الصغيرة أو تلك المعتمدة على الحدود، رغم أن فوائده لا تمتد إلى مجموعات الأطفال أو الدقة الأعلى بشكل ملحوظ.
تستنتج هذه الورقة نظاماً عاماً من المعادلات التفاضلية العادية وحلولاً صريحة للجيوديسيا بين المصفوفات كاملة الرتبة في هندسة الشبكات الخطية العميقة، مع تحديد خطوط مستقيمة أفقية محددة في المتشعب المتوازن تعمل كجيوديسيا تحت التشكيل المترابط ريمانيّاً.
تقدم هذه الورقة لغة منطقية لتوصيف الشبكات العصبية الرسومية ذات التجميع والدمج المكمم مع القراءة العالمية (ACR-GNNs)، وتثبت أن التحقق من هذه النماذج هو مسألة (co)NEXPTIME-complete، مما يوضح أنه بينما يصعب التحقق منها حاسوبياً، إلا أنها تظل خفيفة الوزن ودقيقة في الممارسة العملية.
تُعد DeepCausalMMM إطار عمل للتعلم العميق لنمذجة المزيج التسويقي، يدمج وحدات الذاكرة المتكررة ذات البوابات (GRUs) للديناميكيات الزمنية، والرسوم البيانية الموجهة غير الحلقية (DAGs) لتعلم البنية السببية بين القنوات، ومعادلات هيل (Hill equations) لنمذجة التشبع، وذلك لتوفير نهج أكثر قوة وأتمتة لنسب العائد التسويقي وتحسين الميزانية.
تقترح الورقة إطاراً مستقراً قائماً على نظرية المعلومات للتنبؤ بالواقع المضاد، يعمل على تقليل المعلومات المتبادلة بين التمثيلات المتعلمة وتعيينات المعالجة للحد من تحيز الاختيار دون عدم الاستقرار المصاحب للتدريب التنافسي.
تقدم هذه الورقة طريقة DISC (التوصيف الإحصائي القائم على الانتشار)، التي تستفيد من عملية إزالة الضجيج التكرارية لنماذج الانتشار للتوسع لما وراء الكشف الثنائي عن القيم خارج التوزيع عبر توفير توصيف متعدد الأبعاد لأنواع مختلفة من الانزياحات التوزيعية.
يُعد MERIT إطار عمل معياري عند وقت الاستدلال يعمل على تحسين الكشف عن المعلومات المضللة متعددة الوسائط من خلال تفكيك عملية التحقق إلى وحدات متخصصة — وهي الجنائيات البصرية، والمحاذاة عبر الوسائط، والتحقق من الادعاءات المعزز بالاسترجاع، والحكم المعاير — متفوقاً بذلك على النماذج المرجعية الحالية للتعلم الصفري في اختبار MMFakeBench.
تقترح هذه الورقة نهجاً جديداً للتعلم العميق قائماً على تقنية "ترانسفورمر" (Transformer) للتنبؤ بتدفقات مسارات التوازن في مسألة تخصيص حركة المرور، مما يوفر بديلاً أسرع وأكثر مرونة بكثير من طرق التحسين التقليدية لتحليل الشبكات واسعة النطاق.
تقدم هذه الورقة "درجة التفكير الحقيقي" (TTS) لتكشف أن النماذج اللغوية الكبيرة غالباً ما تولد خطوات استدلال "تجميلية" تفتقر إلى التأثير السببي على إجاباتها النهائية، مما يشير إلى أن الكثير من تسلسل الأفكار المنطقي المنطوق هو مجرد أداء استعراضي وليس انعكاساً للحوسبة الداخلية الفعلية.