24717 ورقة بحثية
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.
يُعد HardFlow إطار عمل مبتكر يعيد صياغة أخذ العينات ذات القيود الصارمة في نماذج مطابقة التدفق (flow-matching) كمسألة تحسين مسار، وذلك باستخدام التحكم الأمثل العددي لضمان الالتزام الدقيق بالقيود عند الزمن النهائي مع الحفاظ على جودة عينات عالية.
تُعد "تدفقات التفرع" (Branching Flows) إطار عمل جديد للنمذجة التوليدية يتيح توليد تسلسلات ذات أطوال متغيرة من خلال السماح للعناصر بالتفرع عشوائياً أو الموت ضمن غابة من الأشجار الثنائية، مع بقائها متوافقة مع مختلف عمليات مطابقة التدفق عبر فضاءات الحالة المنفصلة والمستمرة والمنوعات الرياضية.
إن DenoGrad هو إطار عمل قائم على التدرج يعمل على تحسين البيانات الجدولية والسلاسل الزمنية المشوشة بشكل تكراري من خلال تحسين قيم المدخلات عبر شبكة عصبية مدربة مسبقاً وثابتة، مما يحسن أداء النماذج اللاحقة دون الحاجة إلى بيانات مرجعية نظيفة.
تقدم الورقة البحثية MermaidSeqBench، وهو معيار جديد يتكون من 132 عينة تم التحقق منها بشرياً وتم توسيعها اصطناعياً، صُممت لتقييم قدرة النماذج اللغوية الكبيرة على توليد مخططات تسلسل Mermaid بدقة من أوصاف اللغة الطبيعية باستخدام مقاييس دقيقة تعتمد على النموذج اللغوي كحَكَم.
تُثبت هذه الورقة أن نماذج التسلسل ذاتية الانحدار، مثل Llama وMamba، يمكنها التنبؤ بدقة بعدم الاستقرار السريري والوفيات خلال عام واحد لدى مرضى فشل القلب باستخدام بيانات السجلات الصحية الإلكترونية الروتينية، مما يوفر إطارًا لتصنيف المخاطر وتخطيط الخروج الشخصي.