22999 ورقة بحثية
تقترح هذه الورقة إطار عمل بايزي لنماذج التصنيف في التعلم الآلي التوليدي يدمج صراحةً عدم اليقين في قياس المدخلات، وتثبت من خلال تصنيف غطاء الأرض والمحاكاة الاصطناعية أن هذا النهج يقدم قدرة فائقة على التفسير والمتانة والكفاءة الحسابية مقارنة بالنماذج الشائعة مثل الغابات العشوائية والشبكات العصبية.
تقدم هذه الورقة نموذج انتشار شرطي مبتكر بهندسة UNet يولد حقول هطول أمطار عالمية احتمالية عالية الدقة من متغيرات غلاف جوي خشنة، مما يوفر بديلاً فعالاً من الناحية الحسابية لتمثيلات نماذج نظام الأرض التقليدية التي تقلل من الانحيازات مع التقاط العمليات والشكوك دقيقة النطاق.
تقدم الورقة البحثية TailedCore، وهو إطار عمل جديد للكشف عن الشذوذ غير الخاضع للإشراف يستخدم TailSampler للتعامل بشكل مستقل مع عينات الفئات الذيلية والبيانات الضوضائية، مما يتغلب على مقايضة الأداء بين المتانة تجاه الضوضاء والحساسية تجاه الفئات الذيلية في مجموعات البيانات ذات الذيل الطويل والملوثة.
تقدم هذه الورقة البحثية MP-SSM، وهو إطار عمل موحد يدمج مبادئ نماذج فضاء الحالة مباشرة في بنية الشبكة العصبية لتمرير الرسائل لتحقيق انتشار فعال للمعلومات بعيد المدى ومتماثل التبديل، مع تمكين تحليل الحساسية الدقيق والتنفيذ المتوازي الأمثل لكل من الرسوم البيانية الثابتة والزمنية.
تبحث هذه الورقة في جدوى التنبؤ بالتقدم في الوقت الفعلي في نماذج اللغة الاستدلالية من خلال إثبات أن الحالات الخفية تشفر معلومات التقدم وأن النماذج التي تم ضبطها دقيقًا يمكنها توليد تقديرات دقيقة للتقدم، حيث تُظهر النماذج الأكبر استقرارًا أكبر في التصنيف بسبب انخفاض التباين في طول الحل المتبقي.
تقترح هذه الورقة إطاراً موحداً لنسيان المفاهيم في نماذج الانتشار من نص إلى صورة، يقوم بتعميم هدف متوسط مربع الخطأ (MSE) القياسي ليشمل تباينات التعسفية، مما يوفر حلولاً مغلقة الشكل وفعالة لتباينات محددة مثل هيلينجر، ونهجاً تباينياً قائماً على الحد الأدنى-الأقصى لتباينات أخرى لتحقيق توازن أفضل بين فعالية النسيان ودقة التوليد.
تقدم هذه الورقة البحثية GAT، وهي شبكة خصامية توليدية قابلة للتوسع تجمع بين البنيات القائمة على المحولات والتدريب في الفضاء الكامن وتقنيات الاستقرار المستهدفة لتحقيق توليد صور فعال وذو كفاءة عالية يحقق أداءً رائدًا عبر نطاق واسع من سعات النماذج.
تُعد HiSpec إطار عمل للفك التخميني عالي الإنتاجية يستفيد من نماذج الخروج المبكر لعمليات التحقق الوسيطة منخفضة التكلفة، ويعيد استخدام الحالات الحسابية عبر نماذج المسودة والتحقق والهدف لتسريع استنتاج النماذج اللغوية الكبيرة بشكل كبير دون المساس بالدقة.
تقترح هذه الورقة إطار عمل جديداً لا يتطلب تدريباً، يعزز إعادة بناء الصور القائمة على الانتشار لمختلف المسائل العكسية من خلال دمج معلومات جانبية متنوعة عبر البحث أثناء الاستدلال، مما يحسن الأداء باستمرار عبر العديد من الحلّال والمهام.
تقدم هذه الورقة البحثية خوارزمية "البحث عن التبديل بطريقة مونت كارلو" (MCPS)، وهي خوارزمية MCTS عامة الغرض تتفوق على خوارزمية GRAVE في ألعاب مثل Hex وGo من خلال دمج إحصائيات اللعب على مستوى المسار في حد الاستكشاف واشتقاق صيغة وزن جديدة تلغي الحاجة إلى معلم التحييز الخاص بخوارزمية GRAVE.