23303 ورقة بحثية
تقترح هذه الورقة خوارزمية تعلم تعزيزي ثنائي المستوى تعتمد على التدرج الفائق (hypergradient) وتخلو من مصفوفة هيسيان (Hessian-free)، تستفيد من مثالية سياسات بولتزمان لتحقيق تعقيد عينة يبلغ وتعقيد تكرار يبلغ ، وهي مستويات رائدة في مجالها، دون اشتراط شرط بولياك-لوجاستفيتش (Polyak-Lojasiewicz) على دالة الهدف في المستوى الخارجي.
تقدم هذه الورقة معياراً موحداً يقيم بإنصاف خمس بنيات للتعلم العميق هي الأحدث حالياً (بما في ذلك الشبكات العصبية الالتفافية CNNs، والمحولات Transformers، ونماذج فضاء الحالة SSMs) لتقسيم أورام الدماغ ثلاثية الأبعاد متعددة المهام على مجموعات بيانات BraTS 2023 و2024 تحت ظروف تجريبية متطابقة لتحليل المقايضات بين دقة التقسيم والكفاءة الحسابية.
يُعد TextCloak إطار عمل مدفوعاً بالتعلم المعزز (RL) يحمي البيانات النصية من الاستغلال غير المصرح به من قبل النماذج اللغوية الكبيرة (LLMs) عبر استخدام سياسة توليدية مُحسّنة بواسطة خوارزمية GRPO-UE لإنشاء أمثلة غير قابلة للتعلم تعمل على إضعاف أداء الضبط الدقيق للنماذج مع الحفاظ على الأمانة الدلالية والطبيعية اللغوية.
تحدد هذه الورقة وتُكمّم انحياز "تجنب الحذف" المنهجي في النماذج اللغوية الكبيرة الرائدة، والذي يتسبب في احتفاظها بالتعليمات البرمجية بدلاً من إزالتها أثناء التعديل، مما يثبت أن هذا السلوك يقلل بشكل كبير من قابلية صيانة الكود ويمكن التخفيف من حدته من خلال التدريب اللاحق المستهدف.
تقترح هذه الورقة إطاراً للتصميم التجريبي البايزي يعامل البيئات التجريبية كمتغيرات تصميم لتحديد الإعدادات الأكثر إفادة لاستنتاج المعلمات المعرفية بكفاءة، مما يكشف أنه لا توجد بيئة واحدة مثالية عالمياً عبر مختلف أهداف الاستنتاج.
تقدم هذه الورقة البحثية TORUS، وهو أول معيار للاتساق الذاتي لنماذج الصوت الموحدة، والذي يكشف أن النماذج الحالية تعاني من صعوبة في مواءمة فهمها الصوتي مع توليداتها الخاصة، لا سيال مهمات التحرير، وتؤدي بشكل أسوأ بكثير من النماذج المتتالية المتخصصة.
تقترح هذه الورقة نظاماً سردياً تفاعلياً مدعوماً بالذكاء الاصطناعي مصمماً لتعزيز الانعكاسية الجيوسياسية لدى العاملين في مجال التكنولوجيا من خلال إشراكهم في سيناريوهات استشرافية وتأملات مدعومة اجتماعياً، مما يساعدهم على فحص افتراضاتهم ومواقفهم ضمن الأنظمة الاجتماعية التقنية الأوسع بشكل نقدي دون الاعتماد على الوعظ الأخلاقي التوجيهي.
يعالج التعلم بـ Q المبوّب (Gated Q-learning) المقايضة طويلة الأمد بين انحياز السياسة الخارجية وطول تعيين الائتمان في التعلم التعزيزي من خلال تقديم آلية بوابية مبتكرة تدمج بسلاسة بين طرفي نقيض لـ Q() عند واتكينز وبينج، مما يتيح تعلمًا أسرع بانحياز محكوم دون الاعتماد على أخذ العينات بالأهمية.
تقدم هذه الورقة FairFund-Bench، وهو معيار شامل يوضح أنه في حين أن التحيزات الديموغرافية للنماذج اللغوية الكبيرة في تخصيص الموارد حساسة للغاية لتصميم التدقيق وغالباً ما تنعكس بين المهام الفردية والمقارنة، إلا أن تقييماتها مدفوعة بشكل أقوى وأكثر اتساقاً بالأطر السببية للاحتياج التي تتوافق مع نظريات الاستحقاق البشرية.
تقدم الورقة البحثية DiffAttack، وهو إطار عمل هجومي مبتكر يستفيد من نماذج الانتشار الكامنة لتوليد صور وجوه عالية الجودة وغير محسوسة تنجح في خداع أنظمة التعرف على الوجوه العميقة بمعدلات نجاح في الهجوم وقابلية للنقل أعلى بكثير مقارنة بالطرق الحالية.