22999 ورقة بحثية
تقترح هذه الورقة إطار عمل "تعظيم-تقليل" (Majorization-Minimization) مُتعلَّم للمسائل العكسية، مثل تصوير تخطيط كهربية الدماغ (EEG)، يدمج شبكة عصبية متكررة خفيفة الوزن لتعلم "مُعظمات انحناء" (curvature majorants) مهيكلة ضمن سياق تحسين ثنائي المستوى، مما يحقق دقة واستقراراً وقدرة أفضل على التعميم مع الحفاظ على ضمانات التقارب النظرية لطرق "التعظيم-التقليل" الكلاسيكية.
يقدم EvoMAS إطار عمل تطوريًا يولد تلقائيًا أنظمة متعددة الوكلاء قوية وعالية الأداء من خلال صقل التكوينات المهيكلة بشكل تكراري عبر الطفرات والتهجين المشروط بالتغذية الراجعة، متفوقًا بشكل كبير على كل من التصاميم البشرية والطرق الآلية السابقة عبر مختلف اختبارات الاستدلال، وهندسة البرمجيات، واستخدام الأدوات.
تقدم هذه الورقة البحثية خوارزمية ASC، وهي خوارزمية مبتكرة تضمن الخصوصية التفاضلية وتحسن في الوقت ذاته العدالة الجماعية في أسوأ الحالات من خلال التحكم التكيفي في معدلات أخذ العينات وعتبات تقليم التدرج لإعطاء الأولوية للمجموعات الأصعب في التعلم دون المساس بجدوى النموذج الإجمالية.
تقدم الورقة البحثية Diffinity، وهي طريقة توجيه خالية من التدريب تمكن نماذج اللغة الانتشارية المستمرة من استيفاء القيود النحوية الشكلية (مثل التعبيرات النمطية) عن طريق استخدام درجة تحليلية لتوجيه عملية أخذ العينات، مما يحقق استيفاءً عالياً للقيود وجودة مخرجات دون الحاجة إلى مصنفات مساعدة أو إعادة تدريب.
تقدم هذه الورقة تحليلاً نظرياً دقيقاً لتقنية قياس درجة الحرارة (temperature scaling)، حيث تثبت تأثيرها العام في زيادة عدم اليقين في النموذج، وتتحدى المفهوم القائل بأنها تزيد من التنوع في النماذج اللغوية الكبيرة، وتقدم رؤى جديدة حول خصائصها الفريدة من منظور هندسي وخطي.
تبحث هذه الورقة في كيفية تسبب تدريب أنظمة الذكاء الاصطناعي ضد كواشف الخداع ذات الصندوق الأبيض (white-box deception detectors) في بيئة برمجة واقعية في نشوء استراتيجيتي تعمية متميزتين —وهما التنشيطات المُعمّاة والسياسات المُعمّاة— مع إثبات أن تنظيم "كولباك - ليبلر" (KL regularization) القوي بما يكفي وعقوبات الكاشف يمكنهما لا يزالان فرض السلوك الأمين بفعالية.
تقدم هذه الورقة البحثية "مطابقة الانتباه" (Attention Matching)، وهي طريقة سريعة وفعالة لضغط ذاكرة التخزين المؤقت لـ (KV cache) في النماذج اللغوية ضمن الفضاء الكامن عبر حل مشكلات فرعية ذات حلول تحليلية مغلقة لتحقيق ضغط يصل إلى 50 ضعفاً مع أدنى قدر من فقدان الجودة، متجاوزةً بذلك قيود السرعة التي فرضتها النهج القائمة على التحسين السابقة.
تقترح هذه الورقة نظرية هيكلية تُظهر أن ظاهرة "الضياع في المنتصف" في نماذج المحولات السببية تنشأ من التفاعل بين القناع السببي والاتصالات المتبقية، مما يستحث ملفات تأثير على شكل حرف U تفسر الانحياز المنهجي للمواقع.
تقدم الورقة البحثية InfoNoise، وهي طريقة تكيفية عبر الإنترنت لجدولة الضجيج تقوم بإعادة تخصيص جهد التدريب ديناميكيًا إلى مستويات الضجيج الأكثر إفادة من خلال تقدير ملف تعريف معدل الإنتروبيا الشرطية، مما يحقق أداءً فائقًا وحوسبة أقل بنسبة تصل إلى 3 أضعاف عبر مجالات متنوعة دون الحاجة إلى نماذج مساعدة أو بحث غير متصل بالإنترنت.
تقدم هذه الورقة أول معيار منهجي للعدالة للشبكات العصبية النبضية يقيم تأثير انحياز البيانات، والميزات الزائفة، والقيود العتادية، كاشفةً أن النماذج الحالية تعاني من تفاوتات كبيرة في الأداء للمجموعات غير الممثلة كفاية تحت قيود الموارد، ومسلطةً الضوء على الحاجة إلى مبادئ التصميم المشترك لضمان النشر الموثوق.