25436 ورقة بحثية
تقدم هذه الورقة خوارزمية الحد العلوي للثقة المدعومة بالتعلم الآلي (MLA-UCB)، والتي تستفيد من مكافآت بديلة منحازة يتم إنشاؤها بواسطة نماذج تعلم آلي مدربة مسبقاً من بيانات مساعدة غير متصلة بالإنترنت لتقليل الندم التراكمي بشكل كبير وتحقيق الأمثلية التقاربية في مشكلات المندوب متعدد الأذرع دون الحاجة إلى معرفة مسبقة بالتباين المشترك بين المكافآت البديلة والمكافآت الحقيقية.
تثبت هذه الورقة وجود محاكي عالمي يتكون من مشفرات المحولات (transformer encoders) يمكنه، عبر إطار عمل RASP، أن يعيد إنتاج آليات الانتباه التقليدية وعملياتها الأساسية بشكل خوارزمي وحتمي، مما يوفر حلاً غير معتمد على البيانات بينما اعتمدت النهج السابقة على التعلم الاحتمالي.
توضح هذه الورقة أن اختيار المكامل العددي في تعلم الأنظمة الديناميكية من البيانات المنفصلة يمكن أن يؤدي إلى عيوب جسيمة، مثل الخطأ في تحديد الأنظمة المخمدة على أنها مضادة للتخميد، لأن زيادة الرتبة أو تقليل حجم الخطوة للطرق الصريحة لا يحل المشكلة، في حين توفر طريقة المنتصف الضمنية بديلاً منهجياً يحافظ على الخصائص الحقيقية للنظام سواء كانت محافظة أو مبددة.
تقدم الورقة البحثية إطار عمل POLIS، حيث تحقق النماذج اللغوية الكبيرة غير المتجانسة مكاسب كبيرة في الأداء في الاستدلال الرياضي من خلال محاكاة التطور الثقافي التراكمي البشري عبر التحقق من الأقران والاحتفاظ بالمخرجات التي تم التحقق منها في ذاكرة مشتركة، مما يثبت أن التفاعل الاجتماعي المنظم يعمل كرافعة توسع قوية متعامدة مع حجم النموذج.
تقدم هذه الورقة نظام FLOSS، وهو نظام تعلم اتحادي مصمم للتخفيف من تدهور أداء النموذج والتحيز الناتج عن البيانات المفقودة الناتجة عن انسحاب المستخدمين والأجهزة المتأخرة.
تقدم هذه الورقة إطار عمل لتعريف أطوار توزيعات البيانات لإثبات أن نماذج الانتشار يمكنها استخدام مزيلات ضجيج محلية فعالة لمعظم عملية التوليد، مع حجز الشبكات العالمية المكلفة حوسبياً فقط للفترة الزمنية الضيقة من مرحلة الانتقال الحرجة.
تقترح الورقة البحثية WISCA، وهي طريقة خفيفة الوزن لتقليص الأوزان تعمل على إعادة تحجيم معاملات الشبكة العصبية استراتيجيًا لتحسين أنماط الأوزان وتعزيز تقارب وتعميم تدريب النماذج اللغوية الكبيرة دون تغيير بنية النموذج.
تقيم هذه الورقة البحثية بشكل منهجي مقاييس معايرة الانحدار وطرق إعادة المعايرة، كاشفةً أن المقاييس الحالية غالباً ما تعطي نتائج متضاربة ومتناقضة، مما يسلط الضضوء على الحاجة الماسة للاختيار الدقيق للمقاييس ويحدد خطأ المعايرة الطبيعي المتوقع (ENCE) ومعيار عرض التغطية (CWC) كأكثر الخيارات موثوقية.
يُعد MasconCubes إطار عمل جديداً للتعلم الخاضع للإشراف الذاتي، يقوم بنمذجة مجالات الجاذبية للأجرام الصغيرة غير المنتظمة باستخدام شبكة ثلاثية الأبعاد صريحة من الكتل النقطية، محققاً سرعات تدريب أسرع بكثير ودقة فائقة مقارنة بالأساليب الحالية مع الحفاظ على التفسير الفيزيائي.
تقدم هذه الورقة إطار عمل للتعلم التعزيزي الكمي قابل للتوسع وفعال في استهلاك الموارد، يستخدم إعادة استخدام الكيوبتات عبر الدوائر الديناميكية وتضخيم السعة القائم على خوارزمية غروفر لتقليل تعقيد الكيوبتات لعمليات ماركوف لاتخاذ القرار الكمية متعددة الخطوات من التعقيد الخطي إلى التعقيد الثابت مع الحفاظ على دقة المسار على أجهزة الحوسبة الكمية ذات القدرة المحدودة (NISQ).