22512 ورقة بحثية
يُعد CoMem إطار عمل مبتكر يعمل على فصل إدارة الذاكرة عن سير عمل الوكيل الأساسي باستخدام خط أنابيب غير متزامن بفاصل -خطوة وتدريب مدفوع بالمكافأة لتقليل زمن انتقال الاستدلال بشكل كبير مع الحفاظ على أداء عالٍ في المهام الوكيلية ذات السياق الطويل.
تؤسس هذه الملحوظة المحاضرية التكافؤ النظري بين نماذج الاختيار المنفصل الديناميكية القياسية الاقتصادية ونماذج التعلم المعاكس للتعزيز المنظم بالإنتروبيا، حيث تقارن بشكل منهجي بين أساليب التحديد والأساليب الحسابية الكلاسيكية وبين مناهج تعلم الآلة الحديثة لتوضيح أهدافها، وحدودها، وضمانات التحديد الخاصة بها لاستعادة المكافأة غير المتصلة.
يُعد "فوركاست كومباس" (FoCo) إطار عمل ذاكرة تكيفي قائم على العوامل، يعمل على تعزيز التنبؤ الوكيل عبر تنظيم الخبرات في عوامل تنبؤية ومبادئ استدلالية قابلة لإعادة الاستخدام، مما يمكّن الوكلاء من صقل دقة احتمالاتهم ومعايرتها بشكل تكراري من خلال التحليل الاسترجاعي.
تحلل هذه الورقة الاستدلال البايزي في الشبكات العصبية متعددة الطبقات (MLPs) غير الخطية والعميقة ضمن نظام مشترك واسع النطاق من المعلمات والبيانات، كاشفةً أن التوزيعات البعدية التنبؤية تكافئ طرق النواة المعتمدة على البيانات عند الدرجة الأولى، ومحددةً معياراً متى يؤدي تعزيز العمق الفعال إلى تحسين دليل النموذج.
تقدم الورقة البحثية MLIPilot، وهو إطار عمل للبحث الآلي حيث تقوم نماذج لغوية كبيرة قادرة على استدعاء الأدوات بتحسين الجهود الكامنة بين الذرات المتعلمة آلياً بشكل مستقل عبر اقتراح تغييرات برمجية وإدارة وظائف الحوسبة عالية الأداء تحت قيود فيزيائية صارمة، مما نجح في تحويل النماذج المرجعية الأولية غير المستقرة إلى نماذج بجودة الإنتاج عبر مختلف المعايير الجزيئية والدورية.
تقترح الورقة البحثية DensityFlow، وهو إطار عمل توليدي يستفيد من المعادلات التفاضلية العادية العصبية (Neural ODEs) ودرجة كثافة قابلة للتفاضل لإنتاج تفسيرات مضادة قوية على البيانات الجدولية عبر التنقل في متشعبات عالية الثقة، مما يضمن الصلاحية في ظل تعدد النماذج مع تقليل تكاليف الاستعلام بشكل كبير مقارنة بالطرق القائمة على المجموعات (ensemble-based methods).
توحد هذه الورقة مختلف طرق التحسين المرتكزة من خلال إثبات أن الارتكاز يمكن تحقيقه عبر استراتيجية تنظيم تيكونو (Tikhonov) موحدة في جانب المؤثر، والتي تعيد إنتاج خوارزميات معروفة مثل تكرار هالبرن وتولد متغيرات جديدة ذات معدلات تقارب لآخر تكرار مثبتة.
تقدم هذه الورقة DareU، وهو إطار عمل جديد لتعلم النسيان في النماذج اللغوية الكبيرة يستخدم التعلم التعزيزي لتصفير درجات عزو البيانات لمجموعات النسيان، مما يقلل بفعالية من الإفراط في النسيان ويحافظ على فائدة النموذج مقارنة بطرق التحسين القائمة على الخسارة الحالية.
توحد هذه الورقة البحثية النتائج الأخيرة حول قيود العمليات الغاوسية الكمومية من خلال إثبات أن الإنتروبيا الطيفية الموحدة تعمل كأداة تشخيصية عالمية ومستقلة عن الأجهزة تتنبأ بأداء النواة، وسلوك إلغاء الكم، وانكماش التباين عبر كل من الأجهزة الكمومية المحاكات والواقعية دون تخفيف للأخطاء.
تقدم هذه الورقة ZoVH، وهو إطار عمل موحد يعيد تفسير تقريب هسيان من الدرجة صفر من خلال تحسين السياسة أحادية الخطوة لتوفير مجموعة شاملة من المقدرات غير المنحازة والمخفضة للتباين للهسيان ومعكوسه، مما يحقق دقة وتقارباً فائقين في التحسين الخالي من المشتقات عالي الأبعاد.