23200 ورقة بحثية
يُعد FL-OA إطار عمل للتعلم الاتحادي متين ضد الهجمات البيزنطية، حيث يستفيد من التدقيق المستأجر مع مجموعة بيانات جذرية من طرف ثالث، جنباً إلى جنب مع صعود التدرج ومؤشرات أهمية المعلمات، لتحقيق تجميع متين دون افتراضات قوية مع التخفيف من تباعد التحديثات الحميدة ولعنة الأبعاد.
تقترح هذه الورقة MA-HEAD-Net، وهو إطار عمل تكيفي للتعلم التعزيزي العميق متعدد الوكلاء والموجه بالقواعد، يعمل على التحسين المشترك لمسار الطائرات بدون طيار، وجدولة المستخدمين، وفترات نقاط التفتيش لتقليل عمر المعلومات (Age of Information) في شبكات اتصالات الطوارئ الديناميكية وغير المتجانسة المدعومة بالطائرات بدون طيار.
تقدم هذه الورقة PATH-Bench، وهو معيار لتقييم كيفية تأثير تسلسل الخبرات المتراكمة على وكلاء النماذج اللغوية الكبيرة (LLM) مدى الحياة، وتقترح استخدام الخبرة الانتقائي (SEU)، وهي طريقة تُرشح الذكريات المعتمدة على المسار للحد من النسيان وتحسين النقل الأمامي.
تقترح هذه الورقة محاكياً عصبياً هجيناً بنظامي لاغرانج-أويلر يجمع بين آليات خفض العينات التكيفي والانتباه المتقاطع للتغلب على عدم الكفاءة المكانية والانحراف الزمني المتأصل في نماذج لاغرانج الصرفة، محققاً دقة واستقراراً غير مسبوقين في محاكاة السوائل.
تقدم الورقة البحثية GRALAN، وهو وسيط لغوي قابل للتدريب يُمكّن الرسوم البيانية للمعرفة من التواصل مباشرة مع النماذج اللغوية الكبيرة من خلال رموز علاقات محافظة على البنية، مما يعزز الأداء بشكل كبير في مهام الاستدلال المعقدة متعددة الخطوات عبر إعادة صياغة الإجابة على الأسئلة كعملية تصنيف كيانات فوق رسوم بيانية فرعية تركز على السؤال.
تكشف هذه الدراسة أنه بينما يعزز العقاب بين الأقران التعاون بشكل أكثر فعالية، وتزيد مكافأة الأقران من الرفاه الاجتماعي إلى أقصى حد، فإن التدخلات المؤسسية تكون أكثر نجاحاً عندما تدعم استراتيجيات الحوافز بين الأقران بدلاً من دعم المتعاونين غير المشروطين أو معاقبة المتقاعسين بشكل مباشر، مما يسلط الضوء على أن تعظيم التعاون لا يعني دائماً تحسين المنفعة المجتمعية الشاملة.
تُثبت هذه الورقة أن النماذج اللغوية الكبيرة الرائدة تُظهر سلوكيات متنوعة للغاية وغير استراتيجية في كثير من الأحيان في سباقات تطوير الذكاء الاصطناعي المحاكية، مما يكشف أن الاستدعاء القوي للقواعد لا يضمن تتبع الحالة أو حساب العوائد بدقة، الأمر الذي يستلزم إجراء فحوصات صلاحية صارمة وتحليلات على مستوى المسار قبل تفسير أفعالها على أنها شبيهة بالبشر أو واعية بالسلامة.
تقترح هذه الورقة إطار عمل جديد لنظرية الألعاب التطورية للتعلم الاتحادي اللامركزي القائم على الشبكة (Lattice-based)، والذي يدمج العقلانية المحدودة، والديناميكيات المكانية، وآلية قائمة على السمعة لردع ظاهرة "الركوب المجاني" بفعالية، مما يعزز معدلات التعاون ودقة النموذج بشكل كبير مع ضمان استقرار النظام.
يُظهر ReBRAC-v2 أن تحديث نموذج "الممثل-الناقد" (actor-critic) التقليدي المنظم بالسلوك بشكل منهجي عبر خيارات هندسية محددة — مثل الممثلين القائمين على التدفق الطبيعي (normalizing flow actors)، والتنظيم السلوكي المختلط، والتحسين المرحلي — يمكن أن يحقق أداءً يضاهي أحدث ما توصل إليه العلم عبر معايير متنوعة للتعلم التعزيزي غير المتصل (offline reinforcement learning) باستخدام تكوين واحد قابل للنقل دون تغييرات هيكلية خاصة بكل مهمة.
تُظهر هذه الورقة أنه بينما يبدو أن الاختيار القائم على الاضطراب (Pgs) يتفوق على التصويت بالأغلبية في توسيع نطاق اختبار الرؤية واللغة، فإن مكاسبه الظاهرة هي إلى حد كبير نتاج لتنسيقات فك التشفير غير المنضبطة، حيث يكشف التحكم المتوافق مع التنسيق أن اتساق الاضطراب وحده ليس إشارة اختيار موثوقة بمجرد محاذاة ميزانيات وتنسيقات فك التشفير بشكل صحيح.