22512 ورقة بحثية
تقترح هذه الورقة طريقة "التوزيع الأمثل" (Optimised-Distribution) لتقسيم بيانات التدريب والاختبار تعمل صراحةً على تعظيم التشابه الإحصائي بين المجموعات الفرعية، متفوقةً بذلك على خمس استراتيجيات راسخة عبر خمس عشرة مجموعة بيانات من مستودع UCI من خلال تحقيق أعلى متوسط لدرجة تشابه متباعد المسافة المتوسطة التربيعية (MMD) بنسبة 89.0% والحد من عدم استقرار التقييم الناتج عن عدم تطابق التوزيعات.
تُظهر هذه الدراسة أنه بالنسبة لنموذج TabPFN في مجموعات البيانات الجدولية الصغيرة، فإن زيادة حجم السياق تُحسن بشكل كبير من استقرار ودقة التنبؤ، بينما يتفوق أخذ العينات العشوائي على طرق الاختيار المكلفة مثل "K-Means" لأن التنوع والتغطية في فضاء الميزات أكثر أهمية للأداء من المطابقة الصارمة لتوزيع البيانات الأساسي.
تقدم الورقة البحثية إطار عمل RAG-HAR+، وهو إطار عمل يعتمد على الاسترجاء أولاً ومُحسَّن من حيث التكلفة للتعرف على الأنشطة البشرية، والذي يستفيد من وكيل يعمل في وضع عدم الاتصال لتصميم ميزات خاصة بمجموعة البيانات، ويستخدم التصويت بالأغلبية لتقليل استخدام النماذج اللغوية الكبيرة مع الحفاظ على أداء تنافسي عبر مقاييس متنوعة.
تقدم الورقة البحثية SkillBoost، وهو إطار عمل ثلاثي المراحل يخفف من حدة الإفراط في ملاءمة المهارات (skill overfitting) في وكلاء النماذج اللغوية الكبيرة عبر موازنة الاستغلال المهيكل، والاستكشاف الموجه مسبقاً، والقبول المتحقق منه لتحسين حالات المهارة القابلة للتدريب من أجل تعزيز الأداء وقابلية النقل.
تُثبت هذه الورقة أن مكاسب كفاءة الطاقة في الشبكات العصبية النبضية مقيدة بشكل جوهري بمتطلبات المعلومات الخاصة بالمهمة بدلاً من البنية وحدها، مما يكشف أنه بينما يمكن للنماذج التغذية الأمامية الإدراكية والنماذج القائمة على الانتباه تحقيق ندرة قصوى، تواجه الشبكات المتكررة حداً أدنى مرتفعاً لمعدل إطلاق النبضات ضرورياً للحفاظ على الحالة، مما يحدد "سقف ندرة" تمليه حمولة الذاكرة وصعوبة المهمة.
تقدم هذه الورقة AIGen، وهي أداة نمطية تتكامل مع MLflow وتجمع بين خوارزميات التنقيب والنماذج اللغوية الكبيرة لتوليد قوائم مواد الذكاء الاصطناعي (AIBoMs) الآلية المتوافقة مع المعايير والقابلة للقراءة آلياً بناءً على ملف تعريف SPDX 3.0، مما يسهل الامتثال التنظيمي وحوكمة سلاسل توريد الذكاء الاصطناعي الشفافة.
تُثبت هذه الورقة أن إدراج محتوى قائم على القيم ومبني على أسس منهجية خلال مرحلة التدريب المتوسط (midtraining) عند مقياس 120 مليار معلمة يحقق مكاسب استدامة في المواءمة، لا سيما في مقاومة الابتزاز والحفاظ على الأداء بعد الضبط الدقيق، دون المساس بالقدرات العامة أو الحاجة إلى تدخلات هيكلية معقدة.
تقترح الورقة البحثية طريقة ERAHBO، وهي طريقة تحسين بايزي متباينة التباين (heteroscedastic) وفعالة، تعمل على نمذجة كل من المتوسط والتباين لنتائج التعلم المعزز لتحديد تكوينات المعلمات الفائقة التي ترفع متوسط الأداء إلى أقصى حد مع تقليل التباين من خلال إعادة أخذ العينات التكيفية.
تثبت هذه الورقة أن الشبكات العصبية الرسومية ذات تمرير الرسائل التي تمتلك سمات عقد عشوائية جزئياً تتمتع بقدرات تقريب شاملة للدوال الثابتة التبادل والتماثلية على الرسوم البيعية الموجهة ثابتة الحجم، بينما تشتق أيضاً حدوداً عليا نظرية لمعدلات التقريب الخاصة بها بناءً على تعقيد الشبكة.
تُعد DREvo طريقة مبتكرة للتطور الذاتي الموجه تعالج عدم استقرار النهج الحالية من خلال إعادة معايرة الخبرة التاريخية ديناميكيًا وتقطير اتجاهات بحث قابلة للتنفيذ، مما يحقق أداءً فائقًا ومسارات تطور أكثر سلاسة عبر معايير الاستدلال والوكالة ضمن ميزانيات محدودة.