26959 ورقة بحثية
تحل هذه الورقة البحثية مفارقة نجاح التحسين من الدرجة الصفرية في الضبط الدقيق للنماذج اللغوية الكبيرة من خلال إثبات أن ديناميكيات التعلم الخاصة بها محكومة بنواة مماس عصبية تجريبية يعتمد خطأ تقريبها على حجم مخرجات النموذج بدلاً من البعد الهائل للمعلمات، مما يفسر قابليتها للتوسع.
تقترح الورقة البحثية "النماذج التفاضلية العصبية الموجهة بخطأ التقطيع المحلي" (LTE-ODE)، وهي بنية مبتكرة تعيد توظيف أخطاء التكامل العددي كتحيز استقرائي غير مُشرف للتبديل ديناميكيًا بين التطور المستمر والتعويض المنفصل، مما يتغلب على قيود التمهيد المفرط للنماذج التفاضلية العصبية القياسية ويحقق أداءً رائدًا في التنبؤ بحركة المرور واسعة النطاق.
تقدم هذه الورقة نهجاً جديداً، ذا أساس نظري، للتقدير التكيفي والتحكم الأمثل في عمليات ماركوف لاتخاذ القرار السياقية غير المتصلة (offline contextual MDPs)، والذي يتغلب على تحديات مثل عدم الاستقرار وعدم انتظام النموذج من خلال الاستفادة من تقدير لإرساء أول حدود للمخاطر المرجعية وضمانات التكلفة ذات العينة المحدودة.
تقدم الورقة البحثية TsallisPGD، وهو هجوم عدائي تكيفي لتقسيم الصور الدلالي يستخدم معامل إنتروبيا تساليس المتقاطع (q) الديناميكي لإعادة تشكيل تضاريس التدرج بفعالية والتفوق على الأساليب الحالية في تقليل دقة النموذج ومعدل التقاطع على الاتحاد (mIoU) عبر مجموعات بيانات وبنيات متنوعة.
تقدم هذه الورقة LIMEN، وهو إطار عمل تطوري موجه بنماذج لغوية كبيرة يقوم تلقائياً بتخليق واجهات مهام تعلم تعزيزي كاملة — بما في ذلك خرائط الملاحظات ودوال المكافأة — من حالات المحاكي الخام ومقاييس النجاح على مستوى المسار، مما يثبت أن التحسين المشترك لهذه المكونات أمر ضروري للنجاح عبر مجالات متنوعة.
مستلهماً من العلوم المعرفية النمائية، يقدم هذا البحث "التعلم للتنظير"، وهو نموذج استرشاد يجسده نموذج "المنظر العصبي" (NEO)، الذي يستنتج برامج كامنة صريحة وقابلة للتنفيذ من ملاحظات خام غير نصية لتمكين التعميم القائم على التفسير.
يُعد FiBeR مُحسِّناً جديداً ذا خصوصية تفاضلية يعالج سوء معايرة تصحيحات الانحياز في طرق التدرج المُرشَّح عبر إدخال معايرة للعزم الثاني واعية بالمرشِّح وتخفيض ضجيج في فضاء الابتكار، مما يحقق أداءً رائدًا في معايير الرؤية واللغة تحت قيود خصوصية صارمة.
إن StreakMind هو خط معالجة مؤتمت يستخدم نموذج YOLO OBB مدرباً على مجموعة بيانات هجينة للكشف عن خطوط الأقمار الصناعية والأجرام القريبة من الأرض وتوصيفها والتعرف المتقاطع عليها في الصور الفلكية بدقة واستدعاء عاليين، مع دمج النتائج في قاعدة بيانات مهيكلة لدعم المسوحات واسعة النطاق والوعي بالوضع الفضائي.
تقترح هذه المقالة وكيل تعلم تعزيزي هرمي هجين يدمج الدوائر الكمومية التباينية في بنية "الناقد-الخيار" (Option-Critic)، وتُظهر أن مستخلصات الميزات الكمومية يمكنها التفوق على النماذج الكلاساسية المرجعية بعدد أقل بكثير من المعلمات، مع تحديد تقدير قيمة الخيار الكمومي كعائق حرج للأداء.
تقترح هذه الورقة طريقة للكشف عن الشذوذ ثلاثي الأبعاد القائم على الأسطح، والتي تتعلم دالة مسافة مُوقعة تمييزية من خلال دمج وحدة توليد النقاط المشوشة، ووحدة ميزات مستوى التفاصيل متعددة المقاييس، ووحدة تمييز السطح الضمني، محققةً أداءً هو الأفضل في فئته على مجموعات البيانات المرجعية.