[
    {
        "id": "osp-16866",
        "type": "article-journal",
        "title": "الأطياف: نقل المكوّن الدقيق لتكيّف الأسبقيات وقت الاختبار في الاستدلال القائم على المحاكاة",
        "author": [
            {
                "family": "Zhao",
                "given": "Xin"
            },
            {
                "family": "Scherf",
                "given": "Nico"
            },
            {
                "family": "Trampel",
                "given": "Robert"
            },
            {
                "family": "Pine",
                "given": "Kerrin J."
            },
            {
                "family": "Weiskopf",
                "given": "Nikolaus"
            }
        ],
        "URL": "https://omanscience.com/ar/articles/spectra-exact-component-transport-for-test-time-prior-adaptation-in-simulation-based-inference",
        "language": "en",
        "issued": {
            "date-parts": [
                [
                    2026
                ]
            ]
        },
        "abstract": "أصبح الاستدلال القائم على المحاكاة (SBI) نهجاً قوياً للاستدلال البايزي في النماذج العلمية المعقدة التي يصعب أو يستحيل تقييم احتمالاتها. يتعلم SBI المُقرَّب نماذج استدلال قابلة لإعادة الاستخدام من بيانات محاكاة، مما يتيح استدلالاً سريعاً للتوزيع اللاحق لمشاهدات جديدة، وقد جعلت نماذج التوليد الحديثة هذه النماذج أكثر تعبيراً. لكن إعادة الاستخدام هذه تقتصر على الأسبقية المختارة أثناء التدريب، بينما تحتاج التحليلات العلمية غالباً إلى أسبقيات مُنقَّحة مع تراكم المعرفة أو عند اختبار افتراضات بديلة. نقدم Spectra، وهي طريقة تكيف وقت الاختبار لـ SBI القائم على الانتشار. يستخدم Spectra هوية نقل الدرجة الدقيقة للحصول على الدرجة المكيّفة من نموذج انتشار مجمّد بصيغة مغلقة، لتغييرات الأسبقية البنيوية، دون محاكاة أو تدريب إضافي. وعبر ستة معايير SBI، يحقق Spectra تكيفاً دقيقاً تحت انزياحات قوية في الأسبقية بكلفة أخذ عينات منخفضة أثناء التشغيل. وهذا يمكّن نماذج SBI المدربة مسبقاً من دمج معلومات الأسبقية المحدثة وقت الاختبار."
    }
]