26413 ورقة بحثية
تقدم هذه الورقة AutoREC، وهي منصة مفتوحة المصدر بلغة بايثون تسخر التعلم التعزيزي لأتمتة توليد نماذج الدوائر المكافئة من بيانات مطيافية الممانعة الكهروكيميائية، محققةً دقة عالية على مجموعات البيانات الاصطناعية وقدرة قوية على التعميم عبر الأنظمة التجريبية المتنوعة لتمكين التحليل الكهروكيميائي المستقل والقابل للتوسع.
تُثبت هذه الورقة أن تمثيل المهام ذات البنية ثنائية الأبعاد كمتواليات رمزية أحادية الأبعاد يُحدث "احتكاكاً في التسلسل" يعيق الأداء، بينما يؤدي الحفاظ على التخطيط الأصلي ثنائي الأبعاد من خلال مسار معزز بالرؤية إلى تحسين الدقة بشكل كبير وتقليل الأخطاء ذات البنية المكانية في مهام مثل تدوير المصفوفات، ولعبة حياة كونواي، وتحلل LU.
تجادل هذه الورقة بأن أدوات تقييم المخاطر السابقة للمحاكمة تواجه "جدار نسبة الأرجحية" الجوهري، حيث تمنع ندرة العود الإجرامي العنيف والتحيزات الهيكلية مثل الإفراط في العمل الشرطي رياضياً التنبؤات الفردية عالية الثقة، مما يجعل الأدوات الحالية عرضة لمعدلات مرتفعة من الإيجابيات الكاذبة التي لا يمكن معالجتها عن طريق إعادة المعايرة.
يُعد BoostLoRA إطار عمل مبتكرًا للضبط الدقيق بكفاءة المعلمات، يتغلب على حدود القدرة التعبيرية للمهايئات ذات الرتب فائقة الانخفاض من خلال تدريب ودمج مهايئات دنيا متعامدة بشكل تكراري على الأمثلة الصعبة، مما يؤدي إلى زيادة الرتبة الفعالة خطيًا أثناء التدريب مع الحفاظ على صفر عبء إضافي عند الاستدلال والتفوق على كل من الضبط الدقيق الكامل والطرق أحادية الخطوة في اختبارات الرياضيات والبرمجة.
تُظهر هذه الورقة أنه في علم الآثار المجري، يمكن لاستنتاج عمر النجوم أن يدخل في حالة "مستقرة ولكن خاطئة" حيث تؤدي البيانات عالية الجودة والشكوك الإحصائية الصغيرة إلى تقديم جداول زمنية لتشكّل منحازة بشكل منهجي بسبب قيود رصدية غير محسوبة في أنظمة محددة من نسبة الإشارة إلى الضجيج ودقة اختلاف المنظر.
تقدم هذه الورقة البحثية "Bayesian X-Learner"، وهو منهج متين للاستدلال السببي يقوم بتقدير آثار المعالجة غير المتجانسة في آن واحد مع معايرة عدم اليقين والمرونة تجاه النتائج ذات الذيول الثقيلة، وذلك عبر الجمع بين النتائج الزائفة المزدوجة القائمة على التوافق المتقاطع وبين دالة الاحتمالية الزائفة لـ "Welsch" المتناقصة وخسارة المتغيرات المزعجة القائمة على "Huber".
تقدم هذه الورقة البحثية "الاستقصاء بالاضطراب" (Perturbation Probing)، وهو أسلوب تشخيصي يتكون من مرحلتين ولا يعتمد على الانتشار العكسي، يحدد هيكلين متميزين لدوائر الشبكات العصبية ذات التغذية الأمامية (FFN)—دوائر التضاد للسلوكيات المثبطة بواسطة التعلم التعزيزي من التغذية الراجعة البشرية (RLHF)، ودوائل التوجيه لسلوكيات ما قبل التدريب—مما يتيح تدخلات دقيقة ومستهدفة لتعديل مخرجات محددة للنموذج مثل الرفض الأمني أو اختيار اللغة دون التأثير على القدرات الأخرى.
تقدم هذه الورقة ChipLingo، وهو إطار عمل تدريبي منهجي ثلاثي المراحل يعمل على بناء مجموعات بيانات متخصصة في المجال، وتحسين استراتيجيات ما قبل التدريب، ومواءمة ضبط التعليمات مع سيناريوهات التوليد المعزز بالاسترداد (RAG) لتعزيز أداء النماذج اللغوية الكبيرة بشكل كبير في مجال أتمتة التصميم الإلكتروني (EDA) كثيف المعرفة.
تقدم هذه الورقة البحثية إطار العمل ABC، وهو إطار عمل مبتكر يستفيد من جسور الانتشار غير الماركوفية والمعادلات التفاضلية العشوائية المستمرة في الزمن لتوليد عمليات عشوائية مشروطة بمجموعات فرعية تعسفية من الملاحظات، وبالتالي التغلب على القيود الهيكلية والديناميكية لنماذج الانتشار الحالية في مهام مثل توليد الفيديو والتنبؤ بالطقس.
تقترح الورقة البحثية إطار عمل IMPRESS، وهو إطار عمل جديد للتعلم القليل من الأمثلة على الرسوم البيانية (graph few-shot learning) يستفيد من الفضاء الزائدي (hyperbolic space) لالتقاط الهياكل الهرمية ومن الانتشار لإزالة الضجيج (denoising diffusion) لإثراء توزيعات الدعم، مما يحقق حدود تعميم أكثر إحكاماً وأداءً فائقاً على مجموعات البيانات المرجعية.