22999 ورقة بحثية
تقدم هذه الورقة BOT-Orch، وهو إطار عمل خفيف الوزن ينمذج تنسيق الوكلاء التكيفي تحت ظروف عدم اليقين كمسألة "بانديت" (bandit problem) منظمة باستخدام مسافات النقل الأمثل، محققاً حدود ندم مثبتة وأداءً فائقاً في البيئات غير المتجانسة وغير المستقلة والمتماثلة توزيعياً مقارنة بالنماذج المرجعية القياسية.
تقدم هذه الورقة إطار عمل "المتعدد الأذرع التعاوني المنشط بالعتبة" (TAC-MAB) لمعالجة التعلم في ظل التغذية الراجعة المراقبة، حيث تقترح خوارزمية مركزية ذات ندم لوغاريتمي وبروتوكولاً لامركزياً مستنداً إلى الأحداث يحقق أداءً قريباً من الأداء المركزي مع تقليل في الاتصالات بمقدار 23 ضعفاً.
تقدم هذه الورقة إطار عمل لتفكيك "التمثيل-القراءة" (representation-readout) غير مرتبط بمهمة محددة، يفسر ظواهر التعميم المعقدة مثل "التدرج" (grokking) و"الانحدار المزدوج" (double descent) باعتبارها نتيجة لديناميكيات متنافسة بين تعلم التمثيل التدريجي ومعايرة القراءة، مما يوفر أدوات تشخيصية جديدة للتمييز بين التعلم الحقيقي والآثار الناتجة عن التدريب غير القياسي.
تقدم هذه الورقة البحثية خوارزمية مطابقة الـ Q-Adjoint في منطقة الثقة (TRQAM)، وهي خوارزمية ضبط دقيق مستقرة خارج السياسة (off-policy) تتحكم تكيفياً في تباعد KL في فضاء المسار من سياسات التدفق مسبقة التدريب عبر التنازل المزدوج المسقط للتخفيف من عدم الاستقرار الناجم عن الناقد، محققةً أداءً هو الأفضل حالياً في 50 مهمة من مهام OGBench.
يقدم هذا البحث نموذج JLT، وهو محول انتشار كامن (latent diffusion Transformer) يظهر أن التنبؤ بالكمون النظيف (clean-latent prediction) يتفوق على التنبؤ بالسرعة (velocity prediction) في الفضاءات الكامنة من خلال التعامل بشكل أفضل مع الاتجاهات ذات التباين المنخفض وتحقيق جودة توليد فائقة لصور ImageNet 256x256 (بمعامل FID قدره 2.50)، مما يشير إلى أن أهداف التنبؤ هي خيارات هندسية تعتمد على التمثيل وليست معاملات جبرية قابلة للتبادل.
تقدم هذه الورقة CoMeTS-GAN، وهو إطار عمل توليدي مدرك للجودة يدمج بين شبكة خصومية توليدية شرطية (Conditional GAN) ونماذج الانتشار لإنتاج سلاسل زمنية مالية اصطناعية عالية الدقة من خلال التقاط الحقائق الأسلوبية وهياكل الارتباط بين الأصول بشكل فعال.
تقترح الورقة البحثية إطار عمل PILOT، وهو إطار تعلم مستمر خالٍ من البيانات للتجزئة الدلالية في الوقت الفعلي، والذي يخفف من النسيان الكارثي في نموذج PIDNet عبر توظيف فرع اشتقاق موازٍ لالتقاط معلومات الحدود عالية التردد للفئات الجديدة مع تجميد المعلمات الأصلية، محققاً بذلك أداءً فائقاً مع حد أدنى من زمن تأخير الاستدلال.
تقدم هذه الورقة البحثية DEI، وهو إطار عمل بحثي موزع للتنوع والجودة (Quality-Diversity) يستفيد من النماذج اللغوية الكبيرة غير المتجانسة كعوامل طفرة تكميلية لتحقيق درجات أعلى بكثير في تغطية الحلول وتنوعها مقارنة بكل من النماذج أحادية النموذج والأساليب الموازية متجانسة النوع.
تحلل هذه الدراسة 5,754 تسجيلاً صوتياً باللغة الألمانية لتكشف أنه في حين تتفوق تمثيلات التعلم ذاتي الإشراف عموماً على الميزات المصممة يدوياً عند المستويات الإدراكية المنخفضة، فإن الميزات المصممة يدوياً تتفوق في تصنيف الاختلال المعرفي البسيط، حيث تحدد القيود الخاصة بالمهمة ما إذا كانت التمثيلات تعمل كـ "متخصصين" أو "عامين" عبر التسلسل الهرمي لدرجات الإدراك.
تقارن هذه الورقة بين نماذج تعلم الآلة القائمة على الميزات وبين بنيات التعلم العميق للتمييز بين سحب الميثان الحقيقية والآثار المسترجعة في بيانات القمر الصناعي تروپومي (TROPOMI)، باستخدام القابلية للتفسير القائمة على قيم "شاب" (SHAP) لتوجيه اختيار النماذج المثلى لتدفقات عمل الفحص التشغيلي.