22999 ورقة بحثية
تتحدى هذه الورقة الرأي القائل بأن الأخطاء ذات الثقة العالية في النماذج اللغوية الكبيرة هي مجرد إخفاقات هشة، وذلك من خلال إثبات أنها يمكن أن تكون "نقاط ثابتة خاطئة" مستقرة ومتماسكة داخلياً حيث تتباعد المتانة عن تتبع الحقيقة، وهي ظاهرة مدفوعة بآليات مثل عطالة نسبة الإشارة إلى الضجيج العالية والضغط التمثيلي.
تقترح هذه الورقة خوارزمية قائمة على التحكم التنبئي بالنموذج تعمل على تقريب "أوراكل" (oracle) للسلامة من خلال الاستفادة من افتراضات القابلية للانعكاس المدفوعة بالمحاكي واللثبات الإيجابي للتحقق من سلامة الإجراء دون الحاجة إلى صياغات قيود صريحة أو بيانات مصنفة يدوياً.
تقترح هذه الورقة إطار عمل للتعلم الاتحادي متين ضد هجمات بيزنطية، يعامل أوزان التجميع كمعلمات قابلة للتعلم يتم تحسينها بشكل مشترك مع النموذج العالمي عبر خوارزمية تقليل أدنى متبادلة، مما يظهر مرونة فائقة ضد العملاء الخبيثين في بيئات البيانات غير المتجانسة مقارنة بالأسالين المتقدمة الحالية.
تقدم هذه الورقة البحثية PINN-Proj، وهي طريقة إسقاط مبتكرة تحل مسائل الأمثلة المقيدة لضمان حفظ الكميات التكاملية الخطية والتربيعية في الشبكات العصبية المستوحاة من الفيزياء، مما يقلل أخطاء الحفظ بشكل كبير بمقدار ثلاثة إلى أربعة مراتب عشرية مع تحسين طفيف في دقة الحل والتقارب.
تحلل هذه الورقة ديناميكيات التدريب لـ MeanFlow لتكشف أن السرعة اللحظية يجب أن تُحدد قبل تعلم متوسط السرعات للفترات الطويلة، مما يؤدي إلى مخطط تدريب مرحلي يسرع التقارب بشكل كبير ويحقق جودة توليد في خطوات قليلة هي الأفضل حالياً على مجموعة بيانات ImageNet.
تقترح هذه الورقة تقنية لتقليل البيانات تعمل على إزالة البكسلات المختلطة لتسريع عملية استخراج الأعضاء الطرفية القائمة على القاموس الذاتي للصور فائقة الطيف واسعة النطاق بشكل كبير مع الحفاظ على دقة استخراج عالية.
تقدم هذه الورقة إطار عمل لتحسين الأوامر القائم على الخطأ، والذي يعزز بشكل كبير قدرات الاستدلال الحسابي للنماذج اللغوية الصغيرة الملحقة محلياً، مما يمكنها من التفوق على النماذج الأكبر مثل GPT-3.5 Turbo في البيئات الصناعية المتوافقة مع معايير الخصوصية دون الحاجة إلى عملية ضبط دقيق مكلفة.
تقدم الورقة البحثية DIVER-1، وهو نموذج تأسيسي للتعلم الذاتي لتخطيط كهربية الدماغ داخل الجمجمة، تم تدريبه على مجموعة بيانات ضخمة ومتنوعة، ويحقق تمثيلات قابلة للنقل ذات أداء فائق في فك تشفير الإدراك وكشف النوبات، مع إثبات أن حجم البيانات ومدة التدريب أكثر أهمية من عدد المعلمات (parameters) لتحقيق التوسع الفعال.
تقدم الورقة البحثية PairFlow، وهي طريقة معالجة مسبقة خفيفة الوزن تتيح أخذ عينات فعالة في خطوات قليلة في نماذج التدفق المنفصل (Discrete Flow Models) من خلال التدريب على عينات المصدر والهدف المقترنة ذات الصيغة المغلقة دون معلم مدرب مسبق، محققةً أداءً يضاهي أو يتفوق على التسريع القائم على الضبط الدقيق بجزء ضئيل من التكلفة الحسابية.
تقدم هذه الورقة إطار عمل "ملف استقرار التعلم" (Learning Stability Profile) ذو الأبعاد المحدودة، والذي يستخدم تحليل حساسية قائماً على دالة ليابونوف لتوفير معيار استقرار صريح وموحد لمختلف أنظمة التعلم، بما يشمل الشبكات الأمامية والشبكات المتبقية، وطرق التدرج العشوائي، والبنى غير الملساء.