22999 ورقة بحثية
تُثبت هذه الورقة العالمية النظرية للمعادلات التفاضلية الخطية المنظمة والمتحكم بها (SLiCEs) كمولدات للسلاسل الزمنية، وتُقدم نماذج (G-SLiCEs)، وهي نموذج مطابقة تدفق في الزمن المستمر يستفيد من هذه القدرة التعبيرية لتحقيق أداء فائق في التنبؤ الاحتمالي والقدرة على التكيف مع شبكات الملاحظة غير المنتظمة.
تقدم هذه الورقة أول تحليل لتعميم غير فارغ لطريقة تدرج التباين المختزل العشوائي (SVRG) من خلال إرساء حدود استقرار خوارزمية حادة ومعتمدة على البيانات عبر نهج جديد للتفكيك ودالة ليابونوف، مما يوضح التفاعل بين الأمثلة والتعميم لاستخلاص حدود مثلى لمخاطر التجمعات الزائدة.
تقدم هذه الورقة DRO-NPE، وهو إطار تدريب متين توزيعياً يخفف من حدة الإفراط في الثقة ويحسن المعايرة في تقدير اللاحقة العصبية تحت ميزانيات محاكاة محدودة عن طريق تحسين أسوأ حالة خسارة عبر مجموعة غموض "واسرشتاين".
تُثبت هذه الورقة الاستقرار الخوارزمي وقدرات التعميم لأسلوب التدرج الاشتقاقي العشوائي مع الزخم (SGDM) من خلال تقديم إطار عمل موحد لمخططات بولياك ونستيروف، واستخلاص حدود استقرار وثيقة دون اشتراط فرضيات فقدان ليبشيتز، وإثبات حدود مثالية لمخاطر السكان الزائدة التي تحل التخمين المتعلق بتأثير الزخم على التعميم.
تقترح هذه الورقة طريقة قائمة على الشبكات العصبية باستخدام شرائح الانحدار (regression splines) لتحسين جودة واستقرار التنبؤات الاحتمالية للسلاسل الزمنية غير المقيدة بالتوزيع بشكل مشترك، مما يقلل بفعالية من تباين التنبؤات المكلف مع السماح في الوقت ذاته باستقرار مستهدف لمناطق توزيع محددة ذات صلة بالتطبيقات اللاحقة.
تحدد هذه الورقة رؤوس انتباه محددة في الطبقات المتوسطة في النماذج اللغوية الكبيرة والتي تقود بشكل سببي الربط الثقافي، كاشفةً أنه بينما تمتلك النماذج معرفة ثقافية كافية، فإن ميلها إلى التدرج نحو المعاملة المتساوية ينبع من عنق زجاجة في التوجيه يمكن التخفيف من حدته من خلال تدخلات ميكانيكية مستهدفة مثل تعطيل الرؤوس (head knockout) والتحجيم بـ (-scaling).
تكشف هذه الورقة أنه بينما تتفوق النماذج التأسيسية للبيانات الجدولية على أشجار القرار المعززة بالتدرج في دقة التنبؤ، إلا أنها تعاني من ضعف في تقدير عدم اليقين والمعايرة، مما يسلط الضوء على مقايضة حرجة بين الأداء والموثوقية يجب معالجتها من أجل اعتمادها بشكل موثوق.
تقدم هذه الورقة Soft-SVeRL، وهو إطار عمل للتعلم التعزيزي ذاتي التحقق يستخدم مكافآت ناعمة مفككة قائمة على قوائم التحقق لتحسين اتباع التعليمات في المهام القابلة للتحقق جزئياً، مع معالجة المقايضات الحرجة بين ضجيج المُحقِّق وتضخم المكافأة من خلال آليات استقرار صريحة.
تقدم هذه الورقة إطاراً توزيعياً موحداً قائماً على مسافة واسرستاين (Wasserstein distance) يمثل سمات المشفّر التلقائي المتناثر (Sparse Autoencoder) كتوزيعات موزونة بالتنشيط لتمكين المطابقة الدلالية القوية عبر الطبقات والضغط التلقائي لدوائر السمات إلى عقد فائقة (supernodes) قابلة للتفسير.
تتناول هذه الورقة تحديات توسيع نطاق اختيار النماذج في مراكز الذكاء الاصطناعي سريعة التوسع من خلال صياغة إطار عمل توجيه النماذج المستمر (CMR)، وتقديم معيار CMRBench واسع النطاق، واقتراح طريقة CARvE، وهي طريقة تضمين تبايني تتفوق بشكل كبير على النماذج المرجعية الحالية في دقة التوجيه عبر مختلف النماذج والمهام.