27306 ورقة بحثية
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.
تكشف هذه الورقة أن ترميز المطالبات الضارة في شكل مسائل رياضية متماسكة (مثل نظرية المجموعات أو المنطق الصوري) يتجاوز بشكل كبير فلاتر السلامة في النماذج اللغوية الكبيرة عبر فرض إعادة صياغة عميقة بدلاً من الاعتماد على التدوين السطحي، محققاً معدلات نجاح عالية في الهجوم عبر نماذج متعددة مع تسليط الضوء على الحاجة إلى دفاعات تحلل البنية الرياضية.
تقدم هذه الورقة البحثية AEMG، وهو أول إطار عمل واسع النطاق للتعلم الذاتي يعامل إشارات EMG كلغة فسيولوجية عبر "مُجزئ انقباض عصبي عضلي" (Neuromuscular Contraction Tokenizer) مبتكر لتحقيق أفضل مستويات التعميم عبر الأشخاص والأجهزة والمهام بأقل قدر من البيانات المستهدفة.
تقدم هذه الورقة MEMSAD، وهو إطار عمل للكشف عن الشذوذ مقترن بالتدرج يوفر ضمانات دفاعية معتمدة ضد هجمات تسميم الذاكرة في الوكلاء المعززين بالاسترجاع من خلال إثبات أن أي اضطراب يتملص من الكشف يؤدي بالضرضو إلى تدهور جودة الاسترجاع، مع تحديد أيضًا قيد جوهري ضد التهرب القائم على المترادفات.
تقدم هذه المساهمة خوارزمية "التحسين المتفائل المتزامن" (SOO)، وهي خوارزمية حتمية تعتمد على تقسيم النطاقات ومستوحاة من مشكلات "المتعدد الأذرع" (Multi-Armed Bandits)، والتي توازن بفعالية بين الاستكشاف والاستغلال في ظل قيود الميزانية لتحسين الدوال، مع إثبات كفاءتها وضمانات الحل الخاصة بها من خلال تقييم تجريبي على مجموعة اختبار CEC'2014.