23845 ورقة بحثية
تقدم هذه الورقة معياراً جديداً وطريقةً مؤتمتة لتوليد المهام لتقييم قدرة النماذج اللغوية الكبيرة على استنتاج الأحداث من اللغة الطبيعية من بيانات السلاسل الزمنية، مما يثبت أن الحد الأدنى من السياق يحقق نجاحاً مفاجئاً وأن الجمع بين التقطير والتعلم التعزيزي يمكن أن يمكّن النماذج الأصغر من مضاهاة أداء نماذج الاستدلال الضخمة المملوكة لجهات أخرى.
تقترح هذه الورقة البحثية طريقة "الفضاءات الفرعية المتعامدة لدمج النماذج القوي" (OSRM)، وهي طريقة تعمل على تقييد الفضاءات الفرعية لـ LoRA قبل عملية الضبط الدقيق للتخفيف من تداخل المهام وتحسين أداء ومتانة دمج نماذج لغوية متعددة مكيفة بـ LoRA بشكل كبير.
تقدم الورقة البحثية SHIELD، وهو إطار عمل مبتكر يجمع بين بنية قائمة على الشبكة الفائقة (hypernetwork) وبين انتشار الحدود الفترية (Interval Bound Propagation) واستراتيجية "Interval MixUp" جديدة لتحقيق تعلم مستمر قابل للتوسع، وخالٍ من إعادة التشغيل، ومتين بشكل موثق تحت الهجمات العدائية القوية.
تقدم هذه الورقة DISCO، وهي طريقة تستفيد من إطار عمل جديد للنموذج المعياري غير السببي (Standard Anti-Causal Model) ومقدرات فعالة لارتباط المسافة الشرطي للتخفيف من تحيز مجموعة البيانات في التعلم العميق من خلال فرض الاستقلال الشرطي، مما يحقق أداءً قويًا وقابلًا للتوسع عبر سيناريوهات التحيز المتعددة المتنوعة.
تقدم الورقة البحثية PictSure، وهو إطار عمل للتعلم السياقي القائم على الرؤية فقط، والذي يوضح أن جودة التضمينات الصورية المدربة مسبقاً هي المحدد الرئيسي لأداء التصنيف في حالات التعلم من أمثلة قليلة، بينما تقدم تنوع بيانات تدريب طبقة الدمج مكاسب إضافية محدودة.
تقترح هذه الورقة طريقة مبتكرة للتحسين القائم على زاوية المفصل (JAR) تستخدم متسلسلات فوريه من الرتب العليا لتوليد حقيقة أرضية موثوقة وشبكة عصبية متكررة ثنائية الاتجاه لتصحيح أخطاء النقاط الرئيسية وتنعيم المسارات في تقدير وضعية الجسم البشري بدون علامات، متفوقة بذلك على النماذج الرائدة في السيناريوهات الكينماتيكية الصعبة.
تقيم هذه الورقة مقاييس عدم اليقين المختلفة أثناء الاستدلال في النماذج اللغوية الكبيرة، وتجد أن العديد من المقاييس تظهر توافقاً قوياً مع عدم اليقين البشري ومعايرة متوسطة إلى قوية للنموذج، حتى عندما لا ترتبط بتفضيلات الإجابة البشرية.
تقدم SAEmnesia إطار عمل للمشفّر التلقائي المتناثر الخاضع للإشراف يفرض خرائط عصبية-مفاهيمية بنسبة واحد لواحد لتحقيق مركزية الميزات، مما يتيح محواً للمفاهيم عالي الكفاءة والقابلية للتوسع والدقة في نماذج الانتشار مع تقليل البحث عن المعلمات الفائقة بشكل كبير والتفوق على الأساليب الرائدة في عدة معايير.
تحدد هذه الورقة الانهيار الطيفي لهيسيان (Hessian spectral collapse) كسبب جذري لفقدان اللدونة في التعلم المستمر العميق، وتستنتج شروطاً نظرية تربط ديناميكيات نيت (NTK dynamics) بانحناء هيسيان، وتقترح مزيجاً من الحفاظ الفعال على رتبة الميزات وتنظيم L2 للحفاظ بنجاح على اللدونة عبر المهام.
تجادل هذه الورقة بأن التفسير الآلي هو في جوهره مشكلة تقدير إحصائي تعاني من تباين ذاتي مرتفع في درجات الوساطة السببية، مما يتسبب في جعل مسارات اكتشاف الدوائر تنتج نتائج غير مستقرة وهشة تستوجب التحول نحو الصرامة في المتانة الإحصائية والإبلاغ عن الاستقرار.