22512 ورقة بحثية
تُثبت هذه الورقة أن نموذج التنبؤ الجوي الأساسي "GraphCast" المدرب على كوكب الأرض يمكن تكييفه بنجاح للتنبؤ بديناميكيات الغلاف الجوي للمريخ من خلال الضبط الدقيق باستخدام بيانات قاعدة بيانات مناخ المريخ، متجاوزاً بذلك قيود التعلم الصفري الأولية لالتقاط الدورات اليومية والهياكل الموسمية بدقة خلال 10 حقبات تدريبية فقط.
تقدم الورقة البحثية MultiPathFormer، وهو نموذج تأسيسي لاسلكي يستفيد من انتشار المسارات المتعددة كهدف أساسي للتدريب المسبق من خلال التنبؤ بالمسار التالي بنظام التوليد الذاتي وآليات الاسترجاع المدركة للبيئة، محققاً أداءً فائقاً في تحديد الموقع، والتنبؤ بالحزمة، وتقدير القناة مقارنة بالنهج القائمة على القنوات الحالية.
تقترح هذه الورقة إطار عمل "تعلم التدخل الواعي بالقدرة على الاسترداد" (RAIL)، وهو إطار عمل أثناء وقت التدريب يعامل توليد المخرطات (rollout generation) كمسألة "بانديت سياقي" (contextual-bandit) عبر الإنترنت وتكيفية لتحسين استراتيجيات التدخل ديناميكيًا بناءً على إشارات التحسن، مما يعزز كفاءة وأداء ما بعد التدريب للنماذج اللغوية الكبيرة في ظل ميزانيات مخرطات محدودة.
تقدم الورقة البحثية سياسات توليدية مثالية للبادئة (POGP)، وهو إطار عمل يتعلم دالة قيمة للبادئة لتمكين الإيقاف المبكر التكيفي لعملية إزالة الضجيج في الانتشار، مما يقلل التكاليف الحسابية بشكل كبير مع تحسين أداء المهمة النهائي في آن واحد في مجال التحكم المستمر.
تقترح هذه الورقة إطار عمل موحداً لمطابقة التدفق الكامن لاستيعاب البيانات الجوية متعددة الوسائط، والذي يستفيد من نموذج مسبق مُدرب على إعادة تحليل ERA5 لتوليد مسارات كاملة الحالة متسقة زمنياً، مما يتيح الترشيح والتنعيم المرن، والتنبؤ بالتجمعات التنافسي من ملاحظات متفرقة.
تثبت هذه الورقة أن تعزيز الدوائر الكمومية الوحدوية ضحلة الاتصال ومحدودة النطاق، عبر مشاركة العشوائية الكلاسيكية، يخلق نموذجاً توليدياً أكثر قوة وقدرة على إنتاج ارتباطات بعيدة المدى كانت تتطلب في الأصل عمقاً خطياً في سياق وحدوي بحت، حيث توفر الحوسبة الكمومية القائمة على القياس تنفيذاً طبيعياً لهذه الميزة.
تُثبت هذه الورقة أن مكافآت الاستكشاف وبنيات الذاكرة العصبية تعمل كمكونات متكاملة لا بديلة في التعلم المعزز في البيئات ذات الإدراك الجزئي، حيث يتحدد نمط تفاعلها وفعاليتها بشكل أساسي من خلال البنية النوعية لإشارة المكافأة وليس كثافتها.
تقدم هذه الورقة البحثية إطار عمل "الكمّ التوربيني العشوائي المعتمد على العينات الفرعية" (SSTQ)، وهو إطار عمل مبتكر يحقق الخصوصية التفاضلية المحلية مع متوسط مربع خطأ أمثل وتكاليف اتصال منخفضة في التحسين الموزع، وذلك عبر الجمع بين الأطر المتراصة متساوية المعيار والزائدة عن الحاجة، وأخذ العينات الفرعية للإحداثيات، والكمّ أحادي البعد المدرك للخصوصية.
تُبين هذه الورقة أن فشل خوارزمية "آدم" (Adam) في استعادة الحلول منخفضة الرتبة في النماذج المُحللة ينبع من افتقارها لخاصية التكافؤ القياسي (gauge equivariance)، وهي خاصية تمتلكها خوارزمية الانحدار الاشتقاقي (gradient descent) وغيرها من المحسنات ذات القياس المشترك التي تحافظ على الانحياز الضمني نحو المستقرات منخفضة الرتبة.
تقدم هذه الورقة "إنتروبيا المهارة" (Skill Entropy) كمقياس مبتكر لتحديد صعوبة التبديل بين مهارات الاستدلال، وتقترح معيار "Skill²-Bench" لتقييم المهام طويلة الأمد متعددة المهارات، وتثبت أن إطار تدريب "التعلم المعزز بإنتروبيا المهارة" (Skill-Entropy RL) يحسن بشكل كبير أداء النموذج في هذه المشكلات المعقدة متعددة الخطوات.