26375 ورقة بحثية
تقترح هذه الورقة البحثية LiteGUI، وهو نموذج تدريب جديد خالٍ من الضبط الدقيق الموجه (SFT-free) يجمع بين التقطير الموجّه القائم على السياسة (Guided On-policy Distillation) وإطار عمل GRPO ثنائي المستوى متعدد الحلول، لتعزيز أداء وكلاء واجهة المستخدم الرسومية (GUI) خفيفة الوزن والمخصصة للأجهزة، مما يمكّن النماذج بمقياس 2B/3B من تحقيق نتائج رائدة تضاهي النماذج الأكبر حجمًا بكثير.
تقدم هذه الورقة البحثية "تحسين السياسة القائم على النموذج" (MDPO)، وهو إطار عمل يعزز التخطيط التفاضلي في المجالات غير الخطية والهجينة الصعبة من خلال حقن ضوضاء عشوائية تعتمد على الزمن بشكل تكيفي في فضاء العمل، مما يحسن الاستكشاف وجودة الحل مقارنة بكل من الطرق التفاضلية الحتمية والأسالسة المرجعية المتطورة غير القائمة على النماذج.
تقدم هذه الورقة MORetro*، وهو خوارزمية بحث متعددة الأهداف تولد مسارات تخليق مثالية لباريتو من خلال الموازنة بين معايير متضاربة مثل التكلفة والاستدامة، مما يوائم تخطيط التخليق بمساعدة الحاسوب مع اتخاذ القرار الصناعي في العالم الحقيقي.
تتقصى هذه الورقة أسباب عدم الاتساق الذاتي في تفسيرات الشبكات العصبية الرسومية، مقترحةً فرضية تعيين الإشارة الكامنة لتفسير حساسية الحواف، ومقدمةً استراتيجية "إزالة الضجيج الذاتي" التي لا تتطلب تدريباً والتي تعمل بفعالية على معايرة التفسيرات بأقل قدر من التكاليف الحسابية.
تثبت هذه الورقة أن حساب السياسات المثلى لعمليات اتخاذ القرار المارقة ذات البيئات المتعددة (multi-environment POMDPs) ذات الأهداف ذات الأفق المحدود هو مسألة كاملة من فئة PSPACE، كما تقدم خوارزمية عملية تتفوق بشكل كبير على الأساليب الحالية في الاختبارات المعيارية الكلاسيكية.
تقترح هذه الورقة البحثية "محاذاة التفضيل الضمني" (IPA)، وهو إطار عمل فعال من حيث كفاءة البيانات لمرحلة ما بعد التدريب، يعمل على تعزيز توليد حركة اليد عالية الدقة في تحريك صور البشر من خلال محاذاة النماذج مع عينات عالية الجودة ذاتية التوليد دون الحاجة إلى بيانات تفضيل مقترنة باهظة التكلفة.
تقترح هذه الورقة خوارزمية قابلة للتطبيق حاسوبياً للتحسين البايزي المتين توزيعياً بنظام التجميع، والتي تتعامل مع السياق المستمر في ظل عدم اليقين التوزيعي، محققةً حدود ندم دون خطية نظرية محسنة ومظهرةً أداءً تجريبياً قوياً.
يُعد Response-G1 إطار عمل مبتكرًا لا يتطلب ضبطًا دقيقًا، حيث يعزز الفهم الاستباقي للفيديو المتدفق من خلال نمذجة المحاذاة بين أدلة الفيديو المتراكمة وشروط الاستعلام صراحةً عبر الرسوم البيانية للمشاهد، مما يتيح اتخاذ قرارات أكثر دقة وقابلية للتفسير بشأن توقيت الاستجابة.
تقدم هذه الورقة POISE، وهي طريقة للتعلم التعزيزي تستفيد من مسبار خفيف الوزن يتم تدريبه على الحالات الداخلية لنموذج السياسة لتقدير خطوط الأساس للقيمة بتكلفة ضئيلة، مما يحقق تحسيناً مستقراً وفعالاً للسياسة دون العبء الحسابي للمنتقدات المنفصلة أو عمليات التدحرج المتعددة.
تقدم هذه الورقة "تقليل الطاقة السببية" (CEM)، وهو إطار عمل يعيد تفسير طبقات الـ Transformer كخطوات تحسين على دوال طاقة شرطية لاستخلاص بنيات مقيدة وفعالة في المعلمات تضاهي النماذج المرجعية القياسية في مهام نمذجة اللغة.