22999 ورقة بحثية
تقدم هذه الورقة البحثية خوارزمية "التعلم بـ Q الملتزم" (Committed Q-learning)، وهي خوارزمية جديدة تحقق التقارب شبه المؤكد نحو سياسة تفاعلية مثلى في البيئات الحتمية ذات الإدراك الجزئي، وذلك بموجب افتراض "متانة إعادة التوصيل" (rewire-robustness) الأضعف، من خلال جعل سياسة السلوك تلتزم بإجراء واحد لكل سمة حتى يتغير الإدراك.
تقترح هذه الورقة خوارزميات "بانديت" (bandit) تكيُّفية لأسواق المطابقة السياقية ذات المنفعات الخطية، محققةً ندمًا لوغاريتميًا متعدد المرات يعتمد على الحالة في السياقات العشوائية، وندمًا دون خطي غير معتمد على الحالة في السياقات التنافسية، وذلك من خلال معالجة عدم الاستقرار الناتج عن التحولات السياقية الطفيفة.
تقدم هذه الورقة استراتيجية مبدئية لتركيب اللوجيت (logit composition) للنماذج ذات الترتيب الذاتي، مستوحاة من طرق الانتشار، والتي تضمن التحكم الإسقاطي على الفضاءات الجزئية للمخرجات وتحافظ على تعميم الطول في ظل فرضيات الشروط المتجزئة.
تقترح هذه الورقة نهجاً قائماً على التعلم يقوم بتدريب مصنفات على سمات إحصائية من بيانات مرجعية واسعة النطاق للتنبؤ بموثوقية تقديرات عدد الدورات التكيفية في التحسين العشوائي، مما مكن بنجاح من اكتشاف التقديرات غير الموثوقة ضمن إعدادات محددة للمُحسّن مع تسليط الضوء على القيود في التعميم عبر إعدادات متنوعة.
تقدم هذه الورقة نماذج العالم العصبية الهجينة، وهي إطار عمل ذو شبكة واحدة يتنبأ بالديناميكيات الفيزيائية بسرعة فائقة مقارنة بالمحللات الكلاسيكية مع توليد خريطة خطأ ضمنية للكشف عن الانقطاعات الحادة مثل الصدمات والاتصالات، مما يتيح آلية تراجع تقلل أخطاء التنبؤ بشكل كبير دون الحاجة إلى معايرة إضافية أو معرفة بالمعادلات الحاكمة.
تقترح هذه الورقة إطار عمل لتحسين تسعير التأمين من خلال دمج التقييم خارج السياسة مع مُقدِّر جديد لدرجة عكسية كيرنلية لدرجة الميل، وإثبات أن تمثيل معلمات السياسة القائم على الشبكات العصبية يتفوق على التقنيات الحالية في بيئة تأمين سفر اصطناعية.
تقدم هذه الورقة "مرشحات البادئة" (prefix filters) وخوارزمية "بالا" (Palla) لتعلم وتطبيق قيود خاصة بالمجال بكفاءة، والتي تلتقط وتصحح أنماط أخطاء النماذج اللغوية الكبيرة الشائعة، مما يحسن بشكل كبير من صلاحية المخرجات مثل معدلات تجميع لغة تايب سكريبت (TypeScript).
تقترح هذه الورقة تقنية "تقليل الأبعاد المسقط" (PDR)، وهي إطار عمل شامل يعمل على تسريع التعلم الاتحادي القوي عبر ضغط التدرجات بواسطة الإسقاط العشوائي المتناثر لتحقيق التعقيد الحسابي الأمثل وضمانات التقارب المثبتة، مع تضخيم طفيف فقط في حد خطأ بيزنطية الأدنى.
تقدم هذه الورقة أول استكشاف منهجي للكشف عن السلاسل الزمنية المولدة بواسطة نماذج الانتشار (diffusion) في ظل تغير المولد، مما يثبت أن مصنف الصندوق الأسود البسيط يتفوق بشكل كبير على الطرق القائمة على إعادة البناء ذات الصندوق الأبيض، وهو ما يكشف أن الكشف عن السلاسل الزمنية لا يمكن نقله مباشرة من مجال الصور.
تقدم هذه الورقة البحثية SB-ECC، وهو فك تشفير قائم على الدرجة (score-based decoder) يصيغ تصحيح الخطأ كعملية إزالة ضجيج في زمن مستمر عبر معادلة تفاضلية عادية لتدفق الاحتمالية العصبية (neural probability-flow ODE)، محققاً أداءً فائقاً لمعدل خطأ البتات عبر إعدادات ترميز متنوعة دون الحاجة إلى تقدير نسبة الإشارة إلى الضجيج، مع تمكين مقايضات مرنة بين زمن الاستجابة والدقة.