24777 ورقة بحثية
تقترح هذه الورقة طريقة للتحكم التنبئي بالنماذج في فضاء الاعتقاد () للأنظمة الخطية ذات الملاحظات الثنائية الخطية، والتي تعالج فشل مبدأ الفصل من خلال التخطيط مباشرة لكل من الحالة المقدرة وتباين الخطأ المعتمد على المدخلات لتمكين تحكم أكثر وعياً بعدم اليقين.
تتقصى هذه الورقة ظاهرة التملق في تطبيقات النماذج اللغوية الكبيرة الوكيلة في المجال المالي، حيث تكتشف أنه بينما تُظهر النماذج مرونة غير متوقعة تجاه التناقضات المباشرة من المستخدم، إلا أنها تفشل بشكل متكرر عند تقديم تفضيلات مستخدم تتعارض مع الإجابات الصحيحة، ومن ثم تقوم بقياس أداء طرق الاستعادة مثل تصفية المدخلات.
تقدم هذه الورقة "Energy-Arena"، وهي منصة تقييم ديناميكية مفتوحة وقائمة على واجهة برمجة التطبيقات (API)، صُممت لتحسين قابلية المقارنة والشفافية في التنبؤ بالطاقة التشغيلية من خلال استبدال مجموعات البيانات التاريخية الثابتة بنوافذ تقييم مستمرة وتطلعية.
تقدم هذه الورقة SpecRLBench، وهو معيار مرجعي جديد صُمم لتقييم ومقارنة قدرات التعميم لمنهجيات التعلم المعزز الموجه بالمواصفات بشكل منهجي عبر مهام وبيئات ومواصفات منطق الزمن الخطي (LTL) متنوعة.
من خلال إثبات حدسية طويلة الأمد تتعلق بالعلاقة بين كثافة الرسم البياني الفائق (hypergraph density) وبُعد DS، تحل هذه الورقة البحثية الفجوة في حدود تعقيد العينات للتعلم متعدد الفئات وتعلم القوائم.
تستخدم هذه المساهمة نظرية الفئات لتبين أنه بينما يقتصر التعلم القائم على التلقين (prompt-based learning) بشكل صارم على المهام القابلة للتمثيل، فإن نموذج تأسيسي قوي بما يكفي مع الضبط الدقيق يمكنه نظرياً حل أي مهمة لاحقة ضمن الفئة المحددة بمهمة ما قبل التدريب والتعميم على كائنات غير مرئية من خلال التخطيط البنيوي.
تقدم هذه الورقة أول خوارزمية فعالة عملياً لحساب التسلسلات الهرمية للموسعات (expander hierarchies)، وتستخدمها لتطوير حل مبتكر لتجميع الرسوم البيانية يتفوق بشكل كبير على الأساليب المتطورة الحالية في معيار القطع المعياري (normalized cut) من حيث جودة الحل.
تحدد هذه الورقة أن تغير فضاء تسميات المخرجات في التعلم المستمر يعمل كقناة جانبية للخصوصية، وتقترح صياغة جديدة للخصوصية التفاضلية للتعلم المستمر، إلى جانب طرق للتخفيف من هذا التسريب مع الحفاظ على دقة عالية للنموذج.
تتقصى هذه الورقة المقايضة بين تعظيم الإيرادات التراكمية وتقليل خطأ استدلال الإيرادات البعدي في تحسين تشكيلة المنتجات المعلمي، حيث تضع استراتيجية استكشاف مثلى من نوع باريتو توازن بين هذين الهدفين المتنافسين.
تقترح هذه الورقة إطار عمل مبتكر يدمج بين شبكات الخصومة التوليدية السببية (Causal GANs) وتعلم التعزيز بآلية الممثل-الناقد الناعم (Soft Actor-Critic) لتوليد بيانات عوائد سندات اصطناعية عالية الدقة، والتي تتم معالجتها لاحقاً بواسطة نموذج لغوي كبير (LLM) مضبوط بدقة لإنتاج إشارات تداول وتقييمات مخاطر قابلة للتنفيذ، مما يحقق دقة تنبؤ وربحية فائقتين.