22512 ورقة بحثية
تُوصّف هذه الورقة التحيز في الاستدلال اللاحق لعمليات "البانديت" (post-bandit inference) لخوارزميات المؤشر المستقر مثل UCB1، وذلك عبر اشتقاق تعبيرات دقيقة لانحياز متوسط العينة وإحصاءات Z، مما يكشف عن مقايضة جوهرية بين الندم والتحيز مدفوعة بمعدل الاستكشاف الفعال للخوارزمية.
تقترح هذه الورقة إطار عمل فعال للنماذج الجماعية الزائفة النبضية (spiking pseudo-ensemble) للاستشعار عن بُعد، يعمل على تخفيف انهيار التنوع في رؤوس التصنيف خفيفة الوزن من خلال هدف "اتفاق-اختلاف" (agree-disagree) مبتكر، محققاً أداءً في كشف البيانات خارج التوزيع (OOD detection) يضاهي النماذج الجماعية العميقة مع تقليل التكلفة الحسابية وعدد المعلمات بشكل كبير.
يُعد FL-OA إطار عمل للتعلم الاتحادي متين ضد الهجمات البيزنطية، حيث يستفيد من التدقيق المستأجر مع مجموعة بيانات جذرية من طرف ثالث، جنباً إلى جنب مع صعود التدرج ومؤشرات أهمية المعلمات، لتحقيق تجميع متين دون افتراضات قوية مع التخفيف من تباعد التحديثات الحميدة ولعنة الأبعاد.
تقترح هذه الورقة MA-HEAD-Net، وهو إطار عمل تكيفي للتعلم التعزيزي العميق متعدد الوكلاء والموجه بالقواعد، يعمل على التحسين المشترك لمسار الطائرات بدون طيار، وجدولة المستخدمين، وفترات نقاط التفتيش لتقليل عمر المعلومات (Age of Information) في شبكات اتصالات الطوارئ الديناميكية وغير المتجانسة المدعومة بالطائرات بدون طيار.
تُعد EulerLoRA امتداداً عشوائياً لتقنية التكيف منخفض الرتبة (Low-Rank Adaptation)، حيث تولد عدم يقين تنبؤي عبر أخذ عينات من تباينات مهيكلة على طول المهايئات منخفضة الرتبة المشتركة، محققةً أداءً مقارباً لطرق التجميع مع تقليل عدد المعلمات القابلة للتدريب بشكل كبير.
تقترح هذه الورقة خوارزمية صعود مزدوج تعتمد على التعلم، والتي تعيد صياغة مشكلات التحكم الأمثل العشوائي ذات الأفق اللانهائي مع قيود الاحتمال المشترك كعمليات ماركوف لاتخاذ القرار غير مقيدة عبر تعزيز الحالة، مما يتيح الحساب الفعال للسياسات الحتمية المثلى والممكنة لفضاءات الحالة والمدخلات المستمرة.
تقدم الورقة البحثية lift (DiffLift)، وهو إطار عمل عام يتيح التعلم القابل للتفاضل من الطرف إلى الطرف لرفع الرسوم البيانية (graph liftings) إلى هياكل ذات رتب أعلى، مما يتغلب على قيود الطرق الاستاتيكية غير الخاضعة للإشراف ويعزز بشكل كبير أداء الشبكات العصبية الطوبولوجية عبر مختلف المعايير المرجعية.
تُظهر هذه الدراسة أن نموذج الذاكرة الطويلة قصيرة المدى ثنائ الاتجاه (Bidirectional LSTM) القابل للتفسير، والمعزز بالاختيار التكيفي للمعلمات واستبعاد الميزات، يتنبأ بفعالية بازدحام حركة المرور في مقاطعة ألاميدا عبر فترات مختلفة من جائحة كوفيد-19 من خلال الكشف عن كيفية تأثير الحالات الجديدة، وحالات الاستشفاء، وأسعار الوقود بشكل متميز على سلوك السفر ومستويات الازدحام.
يُعد SAFE-Merge إطار عمل لدمج النماذج المستمر والخالي من البيانات، والذي يحافظ على المعرفة العامة مسبقة التدريب والمهام المكتسبة سابقاً عبر توظيف قناع متفرق واعٍ بالمخاطر لاختيار تحديثات المعلمات الآمنة، يليه استرداد منخفض الرتبة مقنع لاستعادة معلومات المهام المفقودة، مما يحقق أداءً فائقاً عبر معايير الرؤية واللغة.
تُثبت هذه الورقة أن النماذج اللغوية الكبيرة الرائدة تُظهر سلوكيات متنوعة للغاية وغير استراتيجية في كثير من الأحيان في سباقات تطوير الذكاء الاصطناعي المحاكية، مما يكشف أن الاستدعاء القوي للقواعد لا يضمن تتبع الحالة أو حساب العوائد بدقة، الأمر الذي يستلزم إجراء فحوصات صلاحية صارمة وتحليلات على مستوى المسار قبل تفسير أفعالها على أنها شبيهة بالبشر أو واعية بالسلامة.