27461 ورقة بحثية
توضح الورقة البحثية أن استبدال "LayerNorm" بـ "Dynamic Tanh (DyT)" يعمل كمنظم ضمني يعتمد على النظام، مما يحسن الأداء في الإعدادات صغيرة النطاق والمحدودة بالبيانات من خلال تقييد التنشيطات، ولكنه يضر بالأداء في الأنظمة واسعة النطاق أو الغنية بالبيانات بسبب التشبع المفرط في التنشيط.
تستكشف هذه الورقة كيف يمكن للشبكات الميمرستورية ذاتية التنظيم أن تستفيد من الديناميكيات غير الخطية الجوهرية ومبادئ الفيزياء الإحصائية لإنشاء أنظمة تعلم فيزيائية شبيهة بالدماغ وموفرة للطاقة من أجل الذكاء الحافي في الوقت الفعلي.
يُعد "إيفولف" (Evolve) إطار عمل يعزز دقة النماذج اللغوية الصغيرة بشكل كبير عبر ربطها بمخزن معرفي مستمر ومُجمع من قِبل المعلم، يستخدم التقسيم الدلالي، والدمج غير المتصل بالإنترنت، والتحديث القائم على الاستخدام لتوفير استرجاع معرفي فعال وقابل للتدقيق.
تقترح هذه الورقة إطار عمل عام للتباعد الأدنى لوزن ومتوسط تنبؤات النماذج الاحتمالية، مبرهنةً على أنه يتفوق على أو يضاهي الطرق القياسية مثل تجميع النماذج (model stacking) والوزن بأسلوب "أكايكي" (Akaike-style weighting)، لا سيالما في سيناريوهات العينات الصغيرة.
تُثبت هذه الورقة أن الاستراتيجية الأكثر فعالية لفحص أمراض القلب الهيكلية المتعددة عبر تخطيط كهربائية القلب هي الجمع بين التكيف ذاتي الإشراف داخل النطاق والضبط الدقيق الخاضع للإشراف الانتقائي لنموذج تأسيسي لتخطيط كهربائية القلب مدرب مسبقاً.
يقدم V-GRPO إطار عمل للتعلم التعزيزي عبر الإنترنت يتسم بالاستقرار والكفاءة لنماذج التوليد لإزالة الضجيج، وذلك من خلال دمج بدائل الاحتمالية القائمة على ELBO مع خوارزمية تحسين السياسة النسبية للمجموعات (GRPO)، محققاً أداءً هو الأفضل في فئته في مجال تخليق الصور من النصوص مع تسريع كبير مقارنة بالطرق الحالية.
تُعد TEMPO بنية جديدة قائمة على نموذج المحولات (Transformer) تتعلم تسلسلات تطور الأمراض الرتبية والمتصلة من البيانات المقطعية من خلال التعلم الخاضع للإشراف القائم على المحاكاة، وهي تتفوق بشكل كبير على النماذج القائمة على الأحداث من حيث الدقة والمنطق البيولوجي.
تقدم الورقة البحثية "التعلم المعزز بهامش الثقة" (RLCM)، وهو إطار عمل يعمل على تحسين معايرة الاستدلال في النماذج اللغوية الكبيرة من خلال استخدام مكافأة عملية معززة بالهامش لتوسيع فجوة الثقة بين خطوات الاستدلال الوسيطة الصحيحة والخاطئة، مما يؤدي إلى تقليل الإفراط في الثقة وتمكين الحوسبة الأكثر كفاءة في وقت الاختبار.
تقترح هذه الورقة طريقة تحسين ثنائية المستوى باستخدام مُقدّر العبور المباشر (Straight-Through Estimator) والتنظيم التبايني المتعلم لتصميم أنماط إضاءة ثنائية محددة للمهام في التصوير أحادي البكسل، مما يظهر أداء إعادة بناء فائقاً في سيناريوهات نقص البيانات ونقص أخذ العينات الشديد.
يُعد GIFT (الاستقرار العالمي عبر الضبط الدقيق الجوهري) إطار عمل تدريب عام الغرض، صُمم لتحسين الموثوقية في العالم الحقيقي لسياسات التعلم التعزيزي العميق من خلال التحسين من أجل الاستقرار العالمي عبر دالة مكافأة مخصصة دون التضحية بأداء المهمة.