25446 ورقة بحثية
تحلل هذه الورقة تأثير التبريد الهندسي على تدفقات "واسرشتاين" و"فيشر-راو" المتدرجة لأغراض أخذ العينات، حيث تثبت حدود التقارب الأسي في الوقت المستمر، وتوضح أن هذا التبريد يفشل في تسريع التقارب في سياق "فيشر-راو"، وتستنتج جداول تبريد تكيفية جديدة.
إن R2IF هو إطار عمل للتعلم المعزز المدرك للاستدلال يعمل على مواءمة استدلال النماذج اللغوية الكبيرة مع قرارات استدعاء الأدوات باستخدام نظام مكافأة مركب، مما يحسن بشكل كبير كلاً من دقة استدعاء الدوال وقابلية التفسير في اختبارات معيارية مثل BFCL وACEBench.
تقترح هذه الورقة إطار عمل للنمذجة البديلة يستخدم التلقين المكثف لتقريب وتفسير المعرفة الكامنة في النماذج اللغوية الكبيرة ذات الصندوق الأسود كمياً في التنبؤات الطبية، مما كشف بنجاح عن كل من التناقضات مع المعرفة الطبية الراسخة واستمرار التحيزات العرقية المفروضة علمياً لدعم نشر النماذج بشكل أكثر أماناً.
تُثبت هذه الورقة أن الشبكات العصبية الرسومية الزمكانية (STGNNs) التي تستخدم طوبولوجيا رسومية "مقاسة فقط" وعملية، تتفوق بشكل كبير على النماذج المرجعية للشبكات العصبية المتكررة (RNN) في تحديد موقع الأعطال في شبكات التوزيع ذات الرصد الجزئي، مما يوفر استقراراً فائقاً، وتدريباً أسرع، ودقة أعلى.
تقدم هذه الورقة وتُحلل مشكلة معايرة المخاطر الشرطية، مُثبتةً تكافؤها مع الانحدار القياسي، ومُؤسِّسةً لروابطها النظرية بالمعايرة الاحتمالية في التصنيف، ومُتحققةً من فائدتها العملية في أطر التعلم من أجل التأجيل من خلال تجارب تجريبية.
تقدم هذه الورقة دالة "الاقتران الحافي" (edge coupling) لتقديم تفسير موحد لظاهرة "حافة الاستقرار" (Edge of Stability)، حيث تُبين كيف أن شروط حرجيتها وتوسعها من الدرجة الثانية تفرض رياضياً القيمة الذروية للقيم الذاتية لمصفوفة هسيان (Hessian) عند عتبة الاستقرار البالغة من أي تهيئات أولية عشوائية.
تقدم هذه الورقة أداة مفتوحة المصدر وقابلة للتكيف تطبق تقنيات التفسير الآلي، مثل تشابه جيب التمام وتحليل المكونات الرئيسية (PCA)، لتحليل التمثيلات الكامنة الداخلية لنماذج الطقبة الاصطناعية مثل GraphCast، حيث نجحت في تحديد التوليفات الخطية للقنوات الكامنة التي تتوافق مع سمات الأرصاد الجوية القابلة للتفسير.
تقدم هذه الورقة إطار عمل لمعايرة فرق زمني لنماذج الرؤية واللغة والعمل، يستفيد من الربط بين تقليل درجة برير المتسلسلة ودوال القيمة لتحسين التكميم غير اليقيني وأداء المهام في المهام الروبوتية الحلقية.
تُثبت هذه الورقة أن التعلم الآلي اللامركزي يمكنه تحقيق أداء مركزي دون مشاركة البيانات الخام، وذلك من خلال قيام العملاء بمشاركة مقاييس "جيبس" (Gibbs measures) التي تم الحصول عليها محلياً بشكل متسلسل كتدابير مرجعية ضمن إطار لتقليل المخاطر التجريبية مع تنظيم بالإنتروبيا النسبية.
تقترح هذه الورقة إطار عمل للكشف عن البرمجيات الخبيثة يتميز بالمتانة القابلة للتحقق، والذي يستفيد من التنعيم العشوائي عبر استئصال الميزات وحقن الضجيج لتوفير ضمانات رسمية ضد هجمات التهرب المتحولة دون تغيير بنية تعلم الآلة الأساسية.