22512 ورقة بحثية
تقدم هذه الورقة البحثية CForce، وهي طريقة تقطير لفرض الاتساق تعمل على تحسين المقايضة بين السرعة والجودة لنماذج الانتشار اللغوية الكبيرة من خلال محاذاة تنبؤات القناع في المراحل المبكرة مع عمليات الصقل في المراحل اللاحقة عبر هدف تباعد كولباك-لايبلر (KL divergence) جديد متكيف مع الثقة.
تقترح هذه الدراسة نموذجاً غير مباشر احتماليًا متيناً للتنبؤ بمقاومة القص غير المصرفة من خلال دمج تقنيات الاحتساب المتعدد للتعامل مع البيانات المفقودة مع شبكة عصبية معززة بآلية الانتباه متعدد الرؤوس، مما يظهر دقة فائقة وتكميماً لعدم اليقين مقارنة بالطرق التقليدية.
تضع هذه الورقة إطاراً نظرياً للتعلم في السياق على الترتيبات الجزئية يحدد القابلية للتعريف المنطقي من خلال ثلاثية الإكمال الدقيق، ويصنف رقم التدريس في العالم المفتوح باعتباره مجموع تكاليف مجموعة الغطاء ومجموعة الحاصرة، ويثبت أن أجهزة فك التشفير ذات الإحداثي يمكنها تمثيل المجموعات الجزئية المرتبة بدقة إذا وفقط إذا كان بُعدها لا يتجاوز .
تقدم هذه الورقة "النماذج الناشئة" (Emergent Models)، وهي نموذج في تعلم الآلة حيث يتم تطوير ركائز ديناميكية بسيطة ومفتوحة النهايات، مثل الأتمتة الخلوية، لحل المهام من خلال سلوكيات حوسبية ناشئة، مما يثبت أن مثل هذه الأنظمة الدنيا يمكنها تحقيق شمولية كامنة وتعميم عالمي يتجاوز البنى التقليدية القابلة للتفاضل.
تُظهر هذه الورقة أنه في حين أن إضافة بيانات مصنفة بشكل صحيح يمكن أن تؤدي للمفارقة إلى زيادة خطأ المتعلم بسبب عمليات الإدراج العدائية، إلا أن هذه الثغرة ليست متأصلة في أبعاد فئة البيانات، بل تعتمد بدلاً من ذلك على ما إذا كان المتعلم المحدد "مستقراً تجاه الإدراج"، وهي خاصية تسمح لخوارزميات معينة بالحفاظ على معدلات الخطأ المثلى بغض النظر عن مثل هذه الإضافات.
تقترح هذه الورقة إطار عمل للتعلم التنافسي يعمل على تحسين جداول التوجيه الخالي من المصنف ديناميكيًا كدالة لزمن الانتشار، والاشتراط، والعينات المشوشة، وذلك عبر صياغة المشكلة كتقدير لنسبة الكثافة، مما يؤدي إلى التفوق على الطرق الاستاتيكية والحدسية في توليد الصور من النصوص.
تتحدى هذه الورقة الافتراض بأن إزالة الضجيج التكرارية الكاملة تحسن دائمًا توقعات السلاسل الزمنية القائمة على الانتشار، وذلك من خلال إثبات أن صقل الضجيج المنخفض يمكن أن يؤدي إلى تدهور الدقة، مما أدى إلى ابتكار معيار توقف عالمي جديد خالٍ من الملصقات وعينة تدريب متخصصة يعززان معًا كلاً من سرعة الاستدلال والأداء التنبؤي عبر مجموعات بيانات متعددة من العالم الحقيقي.
تُثبت هذه الورقة أن نهج "ألفا زيرو" (AlphaZero) القائم على النموذج والمُحسَّن، والذي يستخدم بحث شجرة مونت كارلو (Monte Carlo Tree Search)، مدمجاً مع دمجٍ تبسيطي للاستدلالات الخاصة بالمجال، ومكافآت البقاء الثنائية، وملاحظات حمولة الخطوط المقيدة، يحقق قدرة فائقة على بقاء الشبكة (98.43%) مقارنة بخوارزمية "PPO" لإعادة التشكيل الطوبولوجي الذاتي في شبكات الطاقة المتقلبة.
تقترح الورقة البحثية "المُعامل الكامن القابل للنقل" (TLO)، وهو إطار عصبي موحد يتعلم تمثيلاً كامناً مشتركاً للتدفق لتمكين المحاكاة اللغرانجية (Lagrangian) لتدحرج الجسيمات من نوع "صفر استباقي" (zero-shot) من النماذج التي تتدرب حصرياً على بيانات الحقول الأويلرية (Eulerian)، مما يردم الفجوة بين نمذجة ديناميكيات السوائل ذات الشبكة الثابتة والجسيمات المتحركة.
تقدم الورقة البحثية XIGL، وهو إطار عمل نشط يعتمد على وجود الإنسان في الحلقة (human-in-the-loop) وغير مرتبط ببنية معينة، يعمل على تحسين موثوقية الشبكات العصبية الرسومية (Graph Neural Networks) في مهام التوزيع غير المتطابق (out-of-distribution) من خلال تحديد وتصحيح التعلم المختصر عبر تعليقات المستخدم المستهدفة على تفسيرات النموذج.