24831 ورقة بحثية
تقدم الورقة البحثية **Belief Net**، وهو إطار عمل للترشيح القابل للتفاضل يتعلم معاملات نموذج ماركوف المخفي (HMM) القابلة للتفسير من خلال صياغة المرشح الأمامي كشبكة عصبية مهيكلة يتم تحسينها عبر التدرج الاشتقاقي العشوائي.
تقدم هذه الورقة AdaFair-MARL، وهو إطار عمل للتعلم التعزيزي متعدد الوكلاء التعاوني المقيد الذي يفرض عدالة تكيفية في عبء العمل من خلال آلية تحديث ثنائية الأصل (primal-dual) تعتمد على هندسة مؤشر جين للعدالة (Jain's Fairness Index)، محققاً استيفاءً شبه مثالي للقيود وتحسناً في التوازن دون الحاجة إلى ضبط يدوي للعقوبات.
تقدم الورقة البحثية تقنية **Selective RoPE**، وهي آلية لتدوير التضمين (rotary embedding) تعتمد على المدخلات وتعمل على تعميم الدورات ذات الزوايا الثابتة إلى زوايا عشوائية، مما يحسن الأداء في كل من نماذج الـ softmax والـ linear transformers من خلال السماح للنموذج بالتحكم ديناميكياً في الترميز الموضعي واضمحلال المعلومات.
تُعد TreeCoder إطار عمل مرن يعمل على تحسين دقة توليد الأكواد بواسطة النماذج اللغوية الكبيرة من خلال التعامل مع استراتيجيات فك التشفير ومختلف القيود (مثل القواعد النحوية والتنفيذ) كعناصر قابلة للتحسين ضمن عملية بحث شجري، مما يقلل من الحاجة إلى هندسة الأوامر اليدوية.
تبحث هذه الورقة في استخدام الـ TopK والـ Ordered Sparse Autoencoders (SAEs) لتفسير وتوجيه نماذج لغة الأجسام المضادة ذات التوليد الذاتي، حيث وجدت أنه بينما تعد الـ TopK SAEs أفضل في رسم خرائط المفاهيم البيولوجية، فإن الـ Ordered SAEs أكثر فعالية في التوجيه التوليدي الدقيق.
تُعد TS-Arena منصة تنبؤ حية تعالج مشكلة تلوث مجموعة بيانات الاختبار في نماذج التأسيس للسلاسل الزمنية من خلال فرض بروتوكول تسجيل مسبق صارم حيث تُقدم التنبؤات قبل وجود البيانات الحقيقية، مما يتيح تقييماً قوياً لقدرات التعميم على البيانات المستقبلية في الوقت الفعلي.
تقيم هذه الورقة مدى فعالية استخدام النماذج اللغوية الكبيرة (LLMs) كمقيمين لمدى الصلة في استرجاع المعلومات من خلال مقارنة قدرتها على تسليط الضوء على مقاطع محددة ذات صلة مقابل المعايير البشرية، لتخلص في النهاية إلى أنه على الرغم من كون النماذج اللغوية الكبيرة أدوات واعدة لتقليل عبء العمل البشري، إلا أنها لا تستطيع بعد استبدال المقيمين البشر بشكل كامل.
تُعد jBOT طريقة للتدريب المسبق عبر التقطير الذاتي لبيانات نفاثات مصادم الهادرونات الكبير (LHC)، حيث تتعلم التمثيلات الدلالية من خلال الجمع بين التقطير على مستوى الجسيمات محلياً وعلى مستوى النفاثة كلياً، مما يُمكّن من ظهور تكتل فئوي يحسن الأداء في مهام اكتشاف الشذوذ والتصنيف اللاحقة.
تقترح الورقة البحثية إطار عمل المحاذاة الكامنة المشروطة بالمهمة (TCLA)، والذي يستفيد من المشفّر التلقائي لمحاذاة التمثيلات العصبية من جلسات المصدر الغنية بالبيانات مع جلسات الهدف محدودة البيانات، مما يؤدي إلى تحسين أداء فك التشفير العصدي عبر الجلسات بشكل كبير في مهام المكاك الحركية والعيونية.
تقترح هذه المساهمة إطار عمل للتعلم التلوي المنظم الذي يعزز القدرة على التعميم والكفاءة الحسابية في أنظمة المجموعات العميقة من خلال الجمع بين إلغاء التكرار الواعي بالوفرة، وتعزيز الميزات الإحصائية، والنماذج التلوية المنظمة والمتحقق منها عبر التحقق المتقاطع لتحقيق أداء تنبؤي فائق مع تقليل وقت التشغيل وتحسين تكييف المصفوفات.