22999 ورقة بحثية
تقدم هذه الورقة البحثية EVA، وهي بنية معمارية محسنة مشتركاً بين الأجهزة والبرمجيات، تعمل على تسريع عملية فك ترميز النماذج اللغوية الكبيرة (LLM) عبر تحويل عمليات البحث في التكميم المتجهي المقيدة بالذاكرة إلى حسابات ضرب مصفوفات (GEMM) فعالة وخالية من التعارض، محققةً تسريعاً يصل إلى 11.17 ضعفاً وكفاءة طاقة أعلى بمقدار 7.17 ضعفاً مقارنةً بأحدث الأساليب الحالية.
تقدم الورقة البحثية إطار عمل "الرسم البياني داخل الرسم البياني" (GiG)، وهو إطار تعلم عميق مُعدل بواسطة الرسم البياني للمعرفة، يمثل المرضى كرسوم بيانية نمطية تدمج هياكل المسارات البيولوجية مع البيانات السريرية، مما أظهر أداءً فائقًا وكفاءة في استخدام العينات مقارنة بالطرق الحالية في مهام التنبؤ السريري ذات العينات المحدودة.
تجادل هذه الورقة بأن التناثر الشديد للسياق أثناء وقت الاستدلال هو استراتيجية مبدئية وفعالة للغاية للنماذج اللغوية الكبيرة، حيث تثبت من خلال دراسات تجريبية واسعة النطاق عبر 20 نموذجاً أن البنى الحالية قوية تجاه الانتباه المتناثر ويمكنها تحقيق تسريع يصل إلى 10 أضعاف على الأجهزة الحديثة دون المساس بالأداء في المهام المعقدة.
تقدم هذه الورقة البحثية مفهوم "استخراج ملء الفراغات" (infilling extraction) لتوضيح أن نماذج اللغة الانتشارية (diffusion language models) أكثر عرضة بشكل كبير لحفظ بيانات التدريب من النماذج التوليدية ذات الترتيب التلقائي (autoregressive models)، حيث تسمح قدرات إزالة الضجيج ثنائية الاتجاه الخاصة بها للمهاجمين باستخراج ما يصل إلى ثلاثة أضعاف التسلسلات الحرفية، بما في ذلك معلومات الهوية الشخصية المحجوبة، باستخدام أقنعة مشروطة بالحواف.
تُثبت هذه الورقة أن إطار عمل للترجمة المتسقة دورياً، والذي يستفيد من كميات هائلة من البيانات الصوتية والنوتات الموسيقية غير المزدوجة، والمستند إلى مجموعة دنيا من الأمثلة المزدوجة، يمكنه تحسين أداء تدوين الموسيقى بشكل كبير، لا سيما بالنسبة للآلات التي تعاني من ندرة في الإشراف المسمى.
تقدم هذه الورقة طريقة رندرة قابلة للتفاضل وخالية من التدريب، تستعيد تضاريس قاع البحر ثلاثية الأبعاد من صورة واحدة لسونار أمامي في أقل من 30 ثانية عن طريق تحسين حقل ارتفاع صريح ليتطابق مع الصورة المستهدفة، مما يوفر قدرة فائقة على التكيف عبر البيئات المختلفة مقارنة بنهج التعلم الخاضع للإشراف.
تستقصي هذه الورقة البحثية كيف يعمل التعلم المعزز من طرف إلى طرف على تحسين سير عمل النماذج اللغوية الكبيرة متعددة الوكلاء عبر مختلف المقاييس والمهام، كاشفةً أنه في حين يحقق كل من تدريب السياسة المشترك والمنعزل مكاسب، إلا أنهما يظهران مقايضات متباينة في الاستقرار وأنماط فشل مدفوعة بطوبولوجيا سير العمل وديناميكيات التدرج الخاصة بكل دور، وليس بمجرد مشاركة السياسة وحدها.
تقترح هذه الورقة البحثية RelaNN، وهو نهج مبتكر يدمج التعلم العميق مباشرة في استعلامات قواعد البيانات من خلال ربط الصفوف بتمثيلات متجهية (vector embeddings) قابلة للتعلم، مما يلغي الأعباء الهندسية لأطر عمل تعلم الآلة الخارجية ويمكّن التنفيذ التصريحي لنماذج تعلم الرسوم البيانية المعقدة بأداء تنافسي.
تقدم هذه الورقة DRUM، وهو إطار عمل للتعلم الانتقالي المتين توزيعياً يعمل على تحسين أداء التنبؤ في الحالة الأسوأ للنماذج السريرية المنشورة في مجموعات سكانية مستهدفة ذات متغيرات مصاحبة مفقودة هيكلياً ولا توجد لها نتائج مصنفة، مما يظهر دقة معايرة وتصنيف متفوقة في التنبؤ بتوقف القلب عبر الدول مقارنة بالطرق الحالية.
تقدم هذه الورقة دراسة تجريبية لـ 57 من أدوات تقييم تعلم الآلة التي تحدد مرحلة التوصيف باعتبارها المصدر الرئيسي للتحديات التشغيلية، وتصنف 16,560 مشكلة حسب السبب الجذري لتكشف أن الميزات غير المنفذة، وفجوات التوثيق، ونقص التحقق من المدخلات تشكل أكثر من 60% من المشكلات، وتؤسس لقاعدة معاملة هندسة التقييم كفرع متميز من فروع هندسة البرمجيات.