22512 ورقة بحثية
تقدم هذه الورقة أول دراسة للتعويض الخوارزمي (algorithmic recourse) للتعلم في السياق (in-context learning) على البيانات الجدولية، حيث توفر ضمانات نظرية حول تقارب الحلول وتقترح إطار عمل ASR-ICL، وهو إطار عمل جديد من الدرجة صفر (zeroth-order framework) يولد بكفاءة تعويضاً متفرقاً وقابلاً للتنفيذ لنماذج التعلم في السياق الصندوق الأسود (black-box ICL models).
تقترح هذه الورقة إطار عمل للانحدار العصبي الرمزي يجمع بين التنبؤ بالهيكل القائم على المحولات والخوارزميات الجينية لاكتشاف منحنيات استجابة لأسمدة النيتروجين قابلة للتفسير ومحددة الموقع للقمح الشتوي، متفوقة بذلك على النماذج التقليدية في الدقة والقدرة على التكيف عبر مناطق الإدارة.
يُعد GETA إطار عمل غير مرتبط ببروتوكول محدد يستفيد من البيانات الوصفية لحركة المرور، والتعلم الفائق، والانتباه الذاتي لتحقيق تحليل قوي ومحدود العينات لحركة المرور المشفرة عبر مجالات متنوعة، متجاوزاً بذلك بفعالية قيود فحص الحزم العميق التقليدي ونهج التعلم الآلي القائمة.
تقدم الورقة البحثية GLIDE، وهي مكتبة بايثون مفتوحة المصدر توحد مختلف طرق الاستدلال المدعوم بالتنبؤ وأدوات أخذ العينات تحت واجهة برمجة تطبيقات موحدة لتمكين التقييم الموثوق وغير المنحاز للأنظمة الوكيلية مع توفير تقديرات صحيحة لعدم اليقين مع تقليل تكاليف التوسيم بشكل كبير.
تقدم هذه الورقة "تمثيل النهاية" (Terminal Representation - TR)، وهو بديل جديد منخفض الأبعاد لتمثيلي "الخلف" (Successor) و"الافتراضي" (Default) في التعلم المعزز، والذي يلتقط المسارات الموزونة بالمكافأة دون الحاجة إلى التفكيك الذاتي أو افتراضات الانتقال المتماثل، مما يوفر أساساً فعالاً حوسبياً لمهام مثل اكتشاف الخيارات ونقل التعلم.
تقدم هذه الورقة خوارزمية "تومبسون لتقدير العينات عبر التدرج السياقي" (CSTS)، وهي خوارزمية "بانديت سياقي" متعددة الأهداف تتعلم ديناميكياً كيفية وزن الأهداف التحريرية المتنافسة بناءً على السياق، مما يظهر تحسناً في الملاءمة والاتساق مع التقييم الخبير بناءً على بيانات واقعية من هيئة الإذاعة الوطنية السويسرية.
تقترح هذه الورقة إطار عمل لتوجيه التنشيط أثناء الاستدلال باستخدام "الفرق بين المتوسطات" و"تعامد غرام-شميدت" لتحقيق تحكم قابل للتفسير، وحتمي، ومنفصل في سمات حدة الصوت والمدة في توليد الموسيقى الرمزية القائمة على نموذج "Multitrack Music Transformer" دون الحاجة لإعادة التدريب.
تقدم هذه الورقة إطار عمل موحد لليابونوف باستخدام أغلفة مورو المعممة لتوفير ضمانات تقارب غير تقاربية للخوارزميات التكرارية العشوائية عبر إعدادات متنوعة، بما في ذلك الضوضاء المستقلة والموزعة بشكل متماثل والضوضاء الماركوفية، مع تطبيقات محددة في التعلم التعزيزي والانحدار الاشتقاقي العشوائي.
تحدد هذه الورقة البحثية وتتصدى لظاهرة "النسيان الجانبي الموضعي"، وهي ظاهرة تضعف فيها طرق "إلغاء التعلم" (machine unlearning) تنبؤات الأمثلة القريبة من البيانات المحذوفة بشكل غير متناسب بسبب عدم اتساق الأهداف البديلة، وتقترح "تقطير المعلم المحلي" (Local Teacher Distillation) كاستراتيجية تخفيف فعالة توائم النماذج الملغاة للتعلم بشكل وثيق مع إعادة التدريب الكامل.
تقترح هذه الورقة إطار عمل لنمذجة الخصم متكيف مع المهام، يتعلم مزيجاً من تمثيلات النوايا مدفوعاً بالأداء، ويقدم تمثيلاً جديداً قائماً على المعلومات المتبادلة لالتقاط معلومات الخصم الأكثر صلة بالعوائد المستقبلية للوكيل الذاتي، مما يؤدي إلى التفوق على الأساليب الحالية عبر مهام متنوعة لتعلم التعزيز متعدد الوكلاء.