25573 ورقة بحثية
تقدم هذه الورقة المهارات متعددة الدقة (MRS)، وهو إطار عمل للتعلم التعزيزي الهرمي يستخدم متحكماً علوياً للاختيار الديناميكي من بين وحدات متعددة للتنبؤ بالأهداف ذات آفاق زمنية ثابتة، مما يؤدي إلى حل فجوة الرشاقة والأداء في المهام طويلة المدى من خلال تكييف مسافات الأهداف الفرعية مع حالات ومهام محددة.
يُعدُّ VSASim إطار عمل للمحاكاة مفتوح المصدر وعالي الدقة مبني على Cosys-AirSim، وهو يعالج نقص الأدوات المتاحة لأبحاث المركبات السطحية ذاتية القيادة من خلال دمج ديناميكيات السفن الواقعية، ومحاكاة المستشعرات البحرية، وتوليد مجموعات البيانات الاصطناعية لبيئات المياه الداخلية والموانئ.
تقترح هذه الورقة إجراء اختيار تفاؤلياً وفعالاً يعتمد على المخططات متعددة الأذرع (multi-armed bandits) لتحديد الخوارزمية الأفضل أداءً لكل مهمة فرعية في ألعاب اللعب العام بدقة، مما يظهر تحسينات كبيرة في الندم البسيط (simple regret) واحتمالية الخطأ مقارنة بالطرق الحالية على إطاري العمل GVGAI وLudii.
تقدم هذه الورقة طريقة غير خاضعة للإشراف ومبتكرة لمراقبة والتحكم في النماذج اللغوية الكبيرة التي خضعت لضبط دقيق من خلال تحليل فروق الأوزان بدلاً من التنشيطات، مما يتيح اكتشاف الأبواب الخلفية، والتحقق من عملية محو التعلم، وتدقيق سلوكيات النماذج دون الحاجة إلى بيانات تدريب متشابهة توزيعياً.
تقدم الورقة البحثية "مطابقة التدفق الموزونة بالطاقة" (EWFM)، وهي هدف تدريب مبتكر يُمكّن التدفقات الطبيعية المستمرة من أخذ عينات بكفاءة من توزيعات بولتزمان باستخدام تقييمات الطاقة فقط، مما يحقق جودة عينات تنافسية مع تقليل تقييمات الطاقة بما يصل إلى ثلاثة أوامر مقدارية مقارنة بالطرق الحالية.
تقدم هذه الورقة تحديد أفضل ذراع مكاني كمي (QSBAI)، وهو إطار عمل يستفيد من المشيات الكمية لحل مشكلة تحديد أفضل ذراع في النطاقات المقيدة بالرسوم البيانية عن طريق ترميز القيود المكانية في تراكبات وتوسيع تقنيات تضخيم السعة لتشمل هياكل الرسوم البيانية العامة.
تقارن هذه الدراسة بين طريقة العناصر الحدودية (BEM) والشبكات العصبية المستوحاة من الفيزياء (PINNs) لحل مسائل تشتت الموجات ثنائية الأبعاد، كاشفةً أنه في حين تُعد طريقة العناصر الحدودية أسرع بكثير في التجميع والحل، فإن الشبكات العصبية المستوحاة من الفيزياء توفر ميزة جوهرية في سرعة التقييم عند النقاط الداخلية بمجرد تدريبها، على الرغم من حاجتها إلى وقت أكثر بمراتب عشرية للتدريب.
تكشف هذه الورقة أن نجاح دمج النماذج محكوم بعلاقة غير رتيبة مع "مقياس ضجيج فعال" موحد مستمد من ديناميكيات المُحسِّن، مما يثبت أن عوامل مثل معدل التعلم، واضمحلال الوزن، وحجم الدفعة، وتعزيز البيانات تشكل هندسة مشهد الخسارة العالمي لتحديد ما إذا كان يمكن دمج الحلول المدربة بشكل مستقل بفعالية.
تقدم هذه الورقة شبكة عصبية لتمرير الرسائل هجينة وغير متجانسة (HH-MPNN) تحقق حلولاً قابلة للتوسع، ومرنة من حيث الطوبولوجيا، وشبه مثالية لتدفق القدرة في التيار المتردد (AC Optimal Power Flow) عبر أحجام شبكات متنوعة وحالات طوارئ (N-1)، مما يوفر تسريعاً حسابياً يصل إلى 5,000 مرة مقارنة بالمحللات التقليدية.
تُثبت هذه الورقة أن الضبط الدقيق الانتقائي لمكونات محددة في النماذج اللغوية الكبيرة متعددة الوسائط، مثل إسقاطات الانتباه الذاتي أو بوابات الشبكات العصبية ذات الانتشار الأمامي (MLP)، يقلل بفعالية من النسيان الكارثي أثناء تعلم المهارات المتسلسل من خلال التحكم في تحولات توزيع المخرجات، متفوقاً بذلك على الضبط الدقيق الكامل والطرق الحالية للتخفيف من حدة النسيان دون الحاجة إلى آليات معقدة مثل إعادة التشغيل أو المعلمات الإضافية.