22999 ورقة بحثية
تقدم هذه الورقة دراسة نظرية وتجريبية تُظهر أن مُحسِّن "Muon"، الذي يعمل على تعامد التحديثات ذات القيم المصفوفية، يعزز متانة التدريب الخصمي عبر بنيات ونماذج تهديد متنوعة من خلال فرض استقرار المعيار الطيفي، مما يضع هندسة المُحسِّن كعامل حاسم في أمن النماذج.
تُظهر هذه الورقة أن المحاذاة التمثيلية عبر الشبكات العصبية تخضع لنسبة الإشارة إلى الضوضاء وحجم العينة بطريقة غير رتيبة، حيث تُظهر تحديداً تقليلاً في المحاذاة بالقرب من عتبة الاستيفاء، وهي ظاهرة منفصلة عن أداء التعميم.
تقترح هذه الورقة نموذج TED، وهو نموذج جديد للشبكات العصبية الرسومية يستفيد من الرسوم البيانية غير المتجانسة وآلية انتباه هرمية لتحليل معاملات الأطراف ذات الصلة، مما يحسن بشكل كبير من أداء الكشف عن التهرب الضريبي من خلال التقاط المعلومات التفاعلية المعقدة التي تغفل عنها الطرق الإحصائية التقليدية.
تقدم هذه الورقة إطار عمل جديد لتصميم التجارب البايزية المقيدة يجمع بين التدريب المسبق للسياسة الموزعة غير المتصلة (offline amortized policy pre-training) والتخطيط عبر التطلع متعدد الخطوات عبر أشجار السيناريوهات (online multi-step lookahead planning via scenario trees) لتوليد تسلسلات تجريبية أكثر إفادة في ظل قيود واقعية ديناميكية.
تقدم الورقة البحثية PRISM، وهو إطار عمل جديد للتعلم التعزيزي العكسي يستخدم شبكة متكررة خفيفة الوزن لنمذجة تبديل النوايا غير الماركوفي، مما يتيح التحسين المغلق والشامل ويظهر أداءً فائقًا في استعادة الأهداف المتماسكة زمنيًا عبر مهام عالم الشبكة (gridworld)، والمتاهة، والتحكم الروبوتي واسع النطاق.
يقدم البحث إطار عمل SCENT، وهو إطار تعلم تبايني متعدد الوسائط يعمل على مواءمة أطياف التأين بالإلكترونات مع تضمينات البنية الجزيئية للتنبؤ بالإدراك الشمي البشري مباشرة من أطياف الكتلة، محققاً أداءً يضاهي النماذج القائمة على البنية دون الحاجة إلى هياكل كيميائية صريحة عند الاستنتاج.
تحدد هذه الورقة مشكلة "تلاشي المعلم خارج السياسة" (Off-policy Teacher Decay) في عملية التقطير داخل السياسة (on-policy distillation)، وتقترح استراتيجية "التدحرج عند التوقف المبكر" (Early Stopping Rollout - ESR)، التي تقصر التدريب على رموز الاستجابة الأولية، والتي تتفوق تجريبيًا على طرق التدحرج الكامل من حيث الكفاءة والاستقرار، بل وتتجاوز أداء المعلم من خلال آليات مثل "المحاذاة المتتالية" (Cascading Alignment) و"الالتزام بالنمط الفرعي" (Sub-mode Commitment).
تقدم هذه الورقة طريقة s-Trace لتكشف أن النماذج اللغوية الكبيرة تعمل بطريقة نمطية ثنائية المراحل، حيث يوفر رسم بياني فرعي متفرق من الطبقات المبكرة تنبؤاً تقريبياً بناءً على إحصاءات ضحلة، والذي يتم بعد ذلك صقله تدريجياً عبر حسابات أكثر كثافة في الطبقات اللاحقة، مع ارتباط كمية الحوسبة اللازمة بعدم يقين النموذج.
تقترح هذه الورقة طريقة عملية لتعلم التمثيل السببي تستخدم معيار فك تشابك قائم على نظرية المعلومات لتحسين التعميم خارج التوزيع في أنظمة التوصية من خلال الاستفادة فقط من السجلات المربكة الموجودة، وهو ادعاء تم التحقق من صحته عبر مكاسب كبيرة في التفاعل عبر الإنترنت في اختبار A/B واسع النطاق في سبوتيفاي إلى جانب معايير مرجعية عامة واصطناعية.
تقدم هذه الورقة البحثية CLDG ومتغيره المطور ++CLDG، وهو إطار عمل للتعلم الذاتي للرسوم البيانية الديناميكية يستفيد من عدم التغير في الترجمة الزمنية والتعلم التبايني متعدد المقاييس لنمذجة التطور الزمني بفعالية لتصنيف العقد وكشف الشذوذ مع تقليل التعقيد الحسابي.