1707 ورقة بحثية
تقدم هذه الدراسة إطار عمل "مشفر تلقائي لشبكة الانتباه الرسومي" (GAT-AE) غير خاضع للإشراف، يقوم بدمج البيانات الجيومكانية متعددة المصادر مع طوبولوجيا شبكة الشوارع لنمذجة المركزية الحضرية الوظيفية الديناميكية، مما يظهر تماسكاً مكانياً فائقاً والقدرة على تحديد الظواهر الحضرية غير الخطية المعقدة مقارنة بالطرق الخطية التقليدية.
تُثبت هذه الورقة أنه في حين أن تخصيص الاستدلال المدرك للنتائج ذو قيمة نظرية، إلا أن تنفيذه العملي في الأنظمة متعددة الروبوتات محدود بشدة بسبب الندرة الجوهرية للفرص ذات القيمة العالية، مما يؤدي إلى انهيار المصنف في الموجهات المتعلمة، ويخفق في إنتاج إدراك جماعي ناشئ حقيقي من خلال التفويض أو التخصص.
تقترح هذه الورقة خوارزمية تنافس إمبريالية هجينة ثنائية الطبقة مدمجة مع البحث المحلي لتحسين تخصيصات العملاء للمستودعات ومسارات المركبات في آن واحد لمسألة توجيه المركبات متعددة المستودعات، محققةً نتائج تنافسية بفجوات تبلغ حوالي 2% في المعايير القياسية.
تثبت هذه الورقة تجريبياً أن تقليم القنوات يعزز كشف المشاة المقاوم للضجيج فقط في أنظمة البيانات الصغيرة والوفرة العالية من خلال عمله كمنظم، بينما يفشل في التعميم عبر مجموعات البيانات المتنوعة ولا يقدم سوى توفير متواضع في الحوسبة.
تقترح هذه الورقة إطار عمل للتعلم العميق هجين يجمع بين الشبكات العصبية الالتفافية (CNN) والوحدات المتكررة ذات البوابات الطويلة (GRU)، معززاً باختيار الميزات باستخدام تقنية الحد من التكرار الأقصى (mRMR) للكشف بفعالية عن اضطراب الاكتئاب الجسيم من إشارات تخطيط كهربية الدماغ (EEG)، محققاً متوسط دقة بنسبة 96.74% على مجموعة بيانات MODMA، مع تسليط الضوء على الحاجة إلى مزيد من التحقق باستخدام بيانات سريرية متنوعة.
تقدم هذه الورقة البحثية "تتبع الدوائر الآلية" (Mechanistic Circuit Tracking)، وهو إطار عمل معياري يجمع بين الإسناد المباشر للـ "لوجيت" (logit attribution)، وترقيع التنشيط السببي (causal activation patching)، وتقنيات الاستئصال (ablation techniques) لتتبع ظهور دوائر الانتباه أثناء مرحلة ما قبل التدريب وقياس متانتها السببية عبر "مؤشر استقرار الدائرة" (Circuit Stability Index) الجديد لتعزيز سلامة الذكاء الاصطدي وتوافقه.
تقيم هذه الدراسة 14 نموذجاً من النماذج اللغوية الكبيرة في مجال اكتشاف ثغرات العقود الذكية، كاشفةً أن اختيار النموذج أكثر أهمية من استراتيجيات صياغة الأوامر أو زيادة الحوسبة أثناء وقت الاستدلال، حيث تُظهر النماذج الرائدة الأكبر حجماً موثوقية فائقة بينما يمكن للنماذج الأصغر وتقنيات الاستدلال الممتدة أن تؤدي إلى تدهور الأداء.
تقدم هذه الورقة البحثية "Perceive AI"، وهو إطار عمل متكامل (end-to-end) جديد للتقييم الآلي للإجابات القصيرة، يستفيد من بنية نماذج أولية معلمية ثنائية الرأس (dual-head parametric prototype architecture) وحواجز حماية قائمة على الاتساق الخصمي (adversarial consistency guardrails) لتحقيق تقييم قوي ومدرك للمطالبات (prompt-aware) مع تصفية الإجابات الخارجة عن الموضوع بفعالية.
تقدم هذه الورقة وحدة الأساس الطيفي القابلة للتفسير (SBIU)، وهي وحدة عصبية مستوحاة من الميكانيكا الكلاسيكية والكمية تستخدم إسقاطات متعامدة متعلمة لتحقيق التقريب الشامل للدوال واكتشاف النظم غير الخاضعة للإشراف مع قابلية تفسير عالية وأداء تنافسي في كل من مجموعات البيانات الاصطناعية والسريرية الواقعية.
تقدم هذه الورقة البحثية "قاموس-كان" (Dictionary-KAN)، وهي بنية معالجة آلياً تعالج مفارقة التحسين لشبكات كولموغوروف-أرنولد عبر توظيف قواميس دالة الأساس الشعاعي (RBF) ذات معاملات معقدة وصقل هرمي منفصل لتحقيق تفوق في الانحدار متعدد المتغيرات، واستعادة معاملات المعادلات التفاضلية الجزئية، وقابلية تفسير فعالة من حيث الأجهزة، مع تجنب مشكلات الذاكرة والتقارب التي تعاني منها شبكات "كان" القائمة على الشرائح المستمرة.