25436 ورقة بحثية
تقترح هذه الورقة البحثية إطار عمل A-IC3، وهو إطار تعلم آلي خفيف الوزن يستخدم خوارزمية "المتعدد الأذرع" (multi-armed bandit) لاختيار استراتيجيات التعميم الاستقرائي المثلى لخوارزمية التحقق من النماذج لعتاد IC3 بشكل ديناميكي، مما يحسن أداءه وقابليته للتوسع بشكل كبير على مجموعة اختبار معيارية ضخمة.
تجادل هذه الورقة بأن نظرية علمية للتعلم العميق، تُسمى "ميكانيكا التعلم"، بدأت تبرز من خلال خمسة مسارات بحثية متقاربة تركز على ديناميكيات التدريب، والإحصاءات التجميعية، والسلوكيات العالمية للشبكات العصبية لتقديم تنبؤات كمية قابلة للتفنيد.
تقدم هذه الورقة البحثية TEmBed، وهو معيار شامل يقيم بشكل منهجي النماذج التأسيسية للبيانات الجدولية عبر أربعة مستويات من التمثيل ومهام متنوعة لإثبات أن اختيار النموذج الأمثل يعتمد على احتياجات تطبيقية محددة، مما يوفر إرشادات عملية للنشر في العالم الحقيقي.
تقدم هذه الورقة تصنيفاً لعدم اليقين في اتخاذ القرار المتسلسل لمعالجة كيفية تسبب عدم التوزيع المتساوي لعدم يقين النموذج، والتغذية الراجعة، والتنبؤ في تفاقم عدم الإنصاف للمجموعات غير الممثلة بشكل كافٍ، مقترحةً إطار عمل يُمكّن الممارسين من تشخيص هذه المخاطر وتصميم سياسات تقلل من تفاوت النتائج مع الحفاظ على الأهداف المؤسسية.
تقارن هذه الورقة بين بنيتين للشبكات العصبية التلافيفية المتكررة لمحاكاة نمو البلورات تحت ظروف تشبع فائق متغير، حيث تُظهر أن تكييف الشبكة صراحةً مع معامل التشبع الفائق يؤدي إلى تنبؤات فائقة الدقة تتفوق على الاستدلال الضمني عبر المتواليات المصغرة للمدخلات، بينما تُظهر كلا النموذجين قدرة قوية على التوسع في النطاقات الأكبر والمتواليات الزمنية الأطول.
تُظهر هذه الدراسة أن السمات الحيوية-السلوكية القابلة للتفسير لديناميكيات الوجه، ولا سيما تلك المتعلقة بالتعبير العاطفي، تعمل كبصمات سلوكية قابلة للقياس للكشف عن التزييف العميق، وتكشف أنه في حين يتقارب النماذج الحاسوبية والإدراك البشري حول المحتوى العاطفي، إلا أنهما يعتمدان على استراتيجيات كشف مختلفة جوهرياً.
تقدم هذه الورقة Pi-PINN، وهو إطار عمل للتعلم القابل للنقل يستفيد من فضاء تضمين مشترك مستند إلى الفيزياء ومن رأس تكيف يعتمد على المعكوس الزائف ذي الصيغة المغلقة لحل معادلات تفاضلية جزئية متنوعة بسرعة ودقة مع حد أدنى أو انعدام بيانات التدريب للحالات غير المرئية.
إن PrismaDV هو نظام ذكاء اصطناعي مركب يقوم بتوليد اختبارات وحدات بيانات قابلة للتنفيذ ومدركة للمهام من خلال تحليل الكود البرمجي اللاحق وملفات تعريف مجموعات البيانات، معززاً بشكل أكبر بإطار عمل لتحسين الأوامر البرمجية يسمى SIFTA يتكيف مع مجموعات البيانات والمهام المحددة، ليتفوق في النهاية على النماذج المرجعية الحالية في التحقق من موثوقية البيانات من البداية إلى النهاية.
تقترح هذه الورقة إطاراً للتعلم القابل للتعلم بكفاءة (PAC-learning) ينمذج الإجماع كفترة مثالية في فضاء آراء أحادي البعد مستمد من بيانات عالية الأبعاد، مما يعظم الاتفاق المتوقع عبر القضايا مع مراع actually لبروزها من خلال خوارزمية تقليل الخطأ التجريبي الفعالة والاستعلام الانتقائي للمستخدم.
يقدم البحث نظام GFlowState، وهو نظام تحليلات بصرية يعزز قابلية التفسير لتدريب شبكات التدفق التوليدية (Generative Flow Network) من خلال تمكين المستخدمين من تصور مسارات أخذ العينات، وإسقاطات الحالة، وتطور السياسة لتصحيح أخطاء النماذج وتحديد إخفاقات التدريب.