22512 ورقة بحثية
تقدم هذه الورقة البحثية طريقة PTP، وهي طريقة "الصندوق الأسود" لإعادة بناء المطالبات بدقة تقارب المطابقة عبر تدريب نموذج لغوي عكسي صريح من الصفر باستخدام التنبؤ بالرمز السابق على بيانات اصطناعية تم إنشاؤها بواسطة النموذج اللغوي الكبير المستهدف، متفوقة بذلك على أساليب إعادة البناء الدلالي السابقة في الدقة والقابلية للنقل.
يُعد OnlineCache إطار عمل ديناميكي للتخزين المؤقت يستخدم سياسة قابلة للتعلم ومصحح أخطاء لتخصيص الموارد الحسابية بشكل تكيفي عبر مختلف المطالبات والخطوات الزمنية، مما يحقق تسريعًا كبيرًا في عملية الاستدلال لنماذج الانتشار مع الحفاظ على جودة التوليد.
تقدم هذه الورقة البحثية "تحسين العدالة من الطرف إلى الطرف" (E2EFO) وإطار عمل "التعلم الموجه للقرار العادل" (FDFL) المرتبط به، والذي يعمل على تحسين دقة التنبؤ، وعدالة التنبؤ، وعدالة القرار في تخصيص الموارد بشكل مشترك عبر تدريب المتنبئات لتقليل ندم القرار من خلال طبقات تحسين قابلة للتفاضل.
تقترح الورقة البحثية CrossRAG، وهو إطار عمل للتنبؤ بالسلاسل الزمنية متعددة المتغيرات المعزز بالاسترجاع، يتغلب على تباينات المقدار وعدم التطابق بين الماضي والمستقبل من خلال دمج الذاكرة المدركة للشكل، والتعلم التبايني المتسق مع المستقبل، والدمج الزمني عبر الانتباه المتقاطع، ليتفوق باستمرار على الأساليب الحالية عبر سبعة معايير مرجعية.
تحل هذه الورقة البحثية مشكلة COLT المفتوحة عبر تقديم خوارزمية خالية من المعلمات (parameter-free) للمتعدد الأذرع ذي الذيول الثقيلة (heavy-tailed multi-armed bandits)، والتي تحقق حدود ندم (regret bounds) حادة ومثلى في الحد الأدنى من القيم القصوى (minimax-optimal) دون معرفة مسبقة بأس لـلمؤشر أو حد العزم، مما يحدد التكلفة الإحصائية للتكيف مع التوزيعات ذات الذيول الثقيلة غير المعروفة.
تقدم الورقة البحثية MoPET، وهو إطار عمل لخليط من الخبراء فعال في استخدام المعلمات، يستخدم موجهاً متفرقاً لاختيار المهايئات منخفضة الرتبة ديناميكياً ضمن نموذج تأسيسي مجمد، مما يدمج بفعالية مهام متعددة متباينة في التصوير الطبي داخل شبكة واحدة مع التخفيف من حدة الانتقال السلبي والتفوق على كل من الضبط الدقيق الكامل ونهج المهايئات المنعزلة.
تُظهر هذه الورقة أنه في البيئات الاصطناعية حيث تتعارض الأدلة الرصدية والتدخلية، فإن قدرة النموذج اللغوي على استنتاج الاتجاه السببي لا تتحدد بمزيج بيانات التدريب، بل يتم تبديلها ديناميكيًا بالتشغيل أو الإيقاف بناءً على نوع الأدلة الموجودة في سياق الاستدلال، حيث تعمل الإشارات الرصدية بنشاط على كبح قدرات الاستدلال السببي الكامنة لدى النموذج.
يُعد DreamQAS إطار عمل للتعلم التعزيزي القائم على النماذج، والذي يعمل على تسريع البحث في البنى الكمومية من خلال تعلم تغذية VQE الراجعة المكلفة فقط مع الحفاظ على ديناميكيات الدوائر بدقة، مما يقلل بشكل كبير من عدد الاستدعاءات الكمومية الحقيقية المطلوبة للعثور على البنى المثلى مقارنة بالنهج التقليدية غير القائمة على النماذج.
تكشف هذه الورقة أن الشبكات العصبية عالية الإنتروبيا، على خلاف النماذج المدربة باستخدام AdamW التقليدي، تحافظ على المتانة ضد النسيان الكارثي رغم تماثل أداء التعميم، وهي ظاهرة تُسمى "وهم التدرج" (grokked illusion) والتي تُعزى إلى تمثيلات الميزات الأكثر ثراءً والمشار إليها بالرتبة الفعالة الأعلى في أوزان الشبكة.
تُظهر هذه الدراسة أن التعلم بنقل المعرفة من المنظم إلى غير المنظم باستخدام الشبكات العصبية الرسومية يتنبأ بفعالية بطاقات التكوين في أكاسيد البيروفسكايت عالية الاعتلاج، ولكنه يتطلب بيانات إضافية خاصة بأكاسيد البيروفسكايت عالية الاعتلاج وتمثيلات هندسية ثلاثية الأجسام لنمذجة فجوات HOMO-LUMO بدقة نظراً لحساسيتها للبيئات الكيميائية المحلية.