22512 ورقة بحثية
تُثبت هذه الورقة أن تدريب المصنفات الخاضعة للإشراف باستخدام التوزيع الكامل لتسميات الموضحين (التسميات اللينة/soft-labels) بدلاً من أغلبية الأصوات المنهارة (التسميات الصلبة/hard-labels) يؤدي إلى تحسين الدقة، وتقليل التباعد عن التسميات البشرية، ومواءمة عدم اليقين في النموذج بشكل أفضل مع الخلاف البشري الحقيقي عبر مهام الرؤية ومعالجة اللغات الطبيعية.
تقترح هذه الورقة خوارزمية تجميع k-means مبتكرة للبيانات الغاوسية تستخدم مقاييس المسافة داخل المجموعات وبين المجموعات جنبًا إلى جنب مع معيار كالينسكي-هارابازز لتحقيق تقارب أكثر قوة وتحسين التعامل مع القيم المتطرفة مقارنة بالطرق التقليدية.
تضع هذه الورقة إطاراً نظرياً للنماذج المرجعية المدركة للتباين ومعدلات التعلم التكيفية في التعلم التعزيزي مع المكافآت القابلة للتحقق (RLVR)، حيث تشتق نموذجاً مرجعياً أمثلاً موزوناً بالتدرج وجدولاً لمعدل التعلم قائماً على نسبة الإشارة إلى الضجيج، واللذين يشكلان معاً طريقة OBLR-PO لتحسين أداء تحسين السياسة بشكل كبير.
تقدم هذه الورقة "توجيه التنشيط ذو القياس الديناميكي" (DSAS)، وهو إطار عمل غير مرتبط بمنهجية محددة يعمل على تعديل قوة تدخلات التنشيط بشكل تكيفي بناءً على سياق المدخلات لتحسين التوازن بين الحد من السمية والحفاظ على الفائدة في النماذج التوليدية مع تقديم حد أدنى من العبء الحسابي الإضافي.
تقدم هذه الورقة العدالة الإجرائية باعتبارها "تساوي الصوت" في مسأونات متعددة الوكلاء ومتعددة الأذرع من خلال صياغة هدف رفاهية ناش المستقر جوهرياً بناءً على التمثيل، مبرهنةً على أن مقاييس العدالة القائمة على النتائج غالباً ما تضحي بهذا المبدأ بينما تتحمل السياسات العادلة إجرائياً تكلفة ضئيلة على الأهداف التقليدية، مما يدفع للقول بضرورة منح الأولوية للشرعية الإجرائية في أطر العدالة.
تكشف هذه الورقة أن التمثيلات الداخلية للصدق في النماذج اللغوية تشكل بنية هندسية بسيطة ومنخفضة الأبعاد محددة بمركز ثقل الفئات، مما يتيح كشفاً فعالاً للغاية وتلاعباً سببياً بالهلوسة من خلال المجسات الخطية وتوجيه التنشيط.
تجادل ورقة الموقف هذه بأن نتائج القبول في مؤتمرات تعلم الآلة مدفوعة بإخفاقات في تصميم القياس بدلاً من التحيز الفردي، وتثبت ذلك من خلال تحليل أكثر من 50,000 ورقة بحثية تظهر أن درجات المراجعين غير قابلة للمقارنة جوهرياً عبر المجالات البحثية، مما يؤدي إلى تباين احتمالات القبول بنسبة تصل إلى 8 أضعاف لنفس الدرجة اعتماداً على الموضوع.
تُظهر هذه الدراسة أن دمج تضمينات صور أقمار جوجل الاصطناعية (Google Satellite Embeddings) المستمدة من نموذج ألفا إيرث (AlphaEarth) التأسيسي مع بيانات الليدار (LiDAR) المحمولة جواً وبيانات جرد الغابات يتيح مراقبة عالية الدقة، وقابلة للتوسع، ومتسقة زمنياً للكتلة الحيوية فوق الأرض في الغابات عبر شمال شرق الولايات المتحدة، مما يحسن بشكل كبير من الأداء التنبؤي ويقلل من الانحياز مقارنة بالطرق التقليدية.
يُعد "فك التشفير بالتباعد" (Divergence Decoding) إطار عمل لا يتطلب تدريباً، يقوم بدمج الخبرة المعرفية للنماذج المتخصصة مع القدرة على الاستنتاج المنطقي للنماذج العامة ديناميكياً عبر استخدام تباعد "جنسن-شانون" لتوجيه توليد الرموز بشكل تكيفي، مما يجعله يتفوق على النماذج المرجعية أحادية النموذج في الاختبارات المعيارية العلمية.
تتقصى هذه الورقة كيف يمكن لتجميع البيانات في الشبكات العصبية أن يؤدي إلى انعكاسات في التفضيلات بسبب عدم توافق غرام، مقترحةً إطاراً شاملاً من مقاييس عدم التطابق ثابتة المقياس، والتنظيم الموجه هندسياً، وتدقيق القرارات والتبعات لضمان الموثوقية التركيبية عبر مصادر متنوعة.