22999 ورقة بحثية
تُنشئ هذه الورقة البحثية وتُقيّم شبكات عصبية متكافئة مع المجموعات تستفيد من التناظرات الدورانية الدورية للتنبؤ بدقة بمعلم الترتيب لـ -tensor ثنائي الأبعاد للبلورات السائلة النيماتية، مُظهرةً أن هذه النماذج تتفوق على المعايير غير المتكافئة في الدقة والتعميم، مع تحسن الأداء مع زيادة رتبة مجموعة التناظر.
تقترح هذه الورقة "العمل الجماعي في وقت الاختبار" (TTCA)، وهو إطار عمل يُمكّن مجموعة منسقة من المستخدمين من تصحيح التفاوتات الخوارزمية في الأنظمة ذات الصندوق الأسود عبر تجميع الوصول إلى الاستعلامات لتدريب نموذج بديل وتطبيق اضطرابات شاملة في وقت الاستدلال، مما يؤدي إلى تحسين دقة المجموعات الفرعية ومقاييس العدالة دون الحاجة إلى إعادة التدريب من جانب المنصة.
تقدم الورقة البحثية STROP، وهو مرمز بصري منفصل يتعلم برامج بصرية متغيرة الطول لالتقاط التمثيلات الهيكلية للمشهد من خلال تحسين رأس طول مخصص عبر منهج تعليمي مكون من أربع مراحل تحت إشراف سمات عالية المستوى، مما يتجاوز إعادة بناء البكسلات لإعطاء الأولوية للهيكل التركيبي على حساب الملمس.
تقدم هذه الورقة نموذج الانتشار المستند إلى المحاكاة (SID)، وهو إطار عمل لامركزي لتخطيط حركة الروبوتات المتعددة يستفيد من نماذج الانتشار المدركة للقيود لمحاكاة المسارات المستقبلية للجيران والتخطيط استباقياً لمسارات خالية من الاصطدام، مما يعزز القابلية للتوسع والسلامة في البيئات شديدة الازدحام دون الاعتماد على الاستشعار العالمي أو التواصل المستمر.
يُعد NUCLEUS-MoE نموذجاً موحداً لخليط الخبراء يستفيد من الانتباه الجيراني وحقول المسافة الموقعة لمحاكاة ديناميكيات غليان البرك المتنوعة بدقة عبر فئات متعددة من السوائل، محققاً تعميماً فائقاً واتساقاً فيزيائياً مقارنة بالبدائل المتخصصة الحالية.
يُثبت هذا البحث، نظرياً وتجريبياً، أن تدريب النماذج التوليدية على التنبؤ بتمثيلاتها الكامنة الخاصة، بدلاً من الرموز الخام، يحقق تعقيد عينة ثابتاً بالنسبة للعمق الهرمي، مما يوفر ميزة كبيرة في كفاءة البيانات مقارنة بالتعلم الخاضع للإشراف التقليدي أو التعلم الخاضع للإشراف الذاتي على مستوى الرموز.
تقترح هذه الورقة إطار عمل "ممثل-ناقد" كامن ومحاذٍ للحالة، يُمكّن نماذج الانتشار من العمل كدوال قيمة مشروطة بالخطوة الزمنية الخاصة بها، مما يسهل تدريب "بروتوكول استقطاب السياسة" (PPO) المستقر على مستوى المسار، وتحسين المكافآت المتعددة، والتوجيه الفعال أثناء الاستدلال للتفوق على أساليب المحاذاة الحالية.
تُظهر هذه الورقة أن عدم الاتفاق بين العمال في خوارزمية (Local SGD) يكشف بشكل طبيعي عن الاتجاهات الحادة والمهيمنة في مشهد الخسارة، مما يوفر طريقة فعالة حاسبياً وخالية من مصفوفة "هيسيان" لتقدير الفضاء الجزئي المهيمن لتحسين تدريب الشبكات العصبية.
تقدم هذه الورقة البحثية SparseModesNet، وهو إطار عمل جديد لتقليل الأبعاد يجمع بين ترميز POD الخطي وفك تشفير غير خطي قائم على LassoNet لاختيار الأنماط المعلوماتية وتعلم رسم خرائط تعبيري في آن واحد، مما يتفوق بشكل كبير على الطرق الحالية في إعادة بناء التدفقات التي تهيمن عليها ظاهرة الحمل والتدفقات المضطربة مع الحفاظ على القابلية للتفسير.
تقترح هذه الورقة بروتوكول اختبار مزدوج يوضح أن ظروف الدفعات في النماذج اللغوية تؤثر بشكل كبير على متانة الرفض، مما يكشف عن أنه في حين أن تقلبات تسميات السلامة أكثر تكراراً من تقلبات تسميات القدرة، إلا أنها تعزى إلى حد كبير إلى عدم استقرار المخرجات ويمكن التخفيف من حدتها بفعالية من خلال تنفيذات النواة الثابتة عبر الدفعات.