22999 ورقة بحثية
تقدم الورقة البحثية ChaosBench-Logic v2، وهو معيار واسع النطاق وبروتوكول تقييم CARE المصمم للكشف عن إخفاقات الاستدلال المنطقي الحرجة في النماذج اللغوية الكبيرة فيما يتعلق بالأنظمة الديناميكية، حيث وجدت أنه بينما تؤدي النماذج بشكل متوسط في الاستنتاج الصوري، فإنها تعاني بشكل كبير في انتقالات النظام وتظهر ارتباطاً عكسياً منهجياً في أسئلة التفرع.
تقدم هذه الورقة مفهوم "التحيز الإغفالي" ومعيار (AllFaith) لتمثيل الأديان لتوضيح أن النماذج اللغوية الكبيرة تفتقر بشكل منهجي إلى تمثيل المنظورات الدينية في اتخاذ القرارات الأخلاقية اليومية، لا سيما في المواقف الشخصية العملية، مقارنة بالتوقعات البشرية.
تقترح الورقة البحثية "انتباه النطاقات البينية" (Interdomain Attention)، وهي بنية مبتكرة تدمج نماذج فضاء الحالة (SSMs) في آليات الانتباه عبر الطرق النواة لتحقيق انتباه مشروط بالاستعلام فوق حالة ثابتة الحجم، مما يجمع بين قابلية التوسع والمتانة تجاه الطول التي تتميز بها نماذج فضاء الحالة مع مزايا الأداء لآلية المطابقة القائمة على المحتوى.
تُعد ChainzRule بنية عصبية مبتكرة تستبدل التنشيطات القياسية بطبقات متعددة الحدود قابلة للتعلم تخضع للتنظيم التفاضلي لفرض تمثيلات مستقرة ومنخفضة التردد، مما يحقق تحسينات ذات دلالة إحصائية في كفاءة العينات، والمتانة، والقابلية للتفسير عبر مهام متنوعة في البيانات الجدولية، ومعالجة اللغات الطبيعية، والرؤية الحاسوبية، مع الحفاظ على تكاليف استدلال مقاربة للنماذج القياسية.
تُثبت هذه الورقة أنه في أساليب الممثل-الناقد المنظمة بالإنتروبيا للبيئات المحدودة والمخصومة، فإن استخدام ناقد دقيق كخط أساس يحقق التعقيد العيني الأمثل لتدرج السياسة الحتمية، مع الحفاظ على التقارب السريع حتى مع وجود ناقد مُتعلم طالما ظل خطأ التقدير الخاص به صغيراً بما يكفي.
تقترح هذه الورقة طريقة جديدة قائمة على الرسوم البيانية لتقدير آثار العلاج الفردية تعالج صراحةً التحدي المهمل المتمثل في الآثار الشبكية المتمايزة من خلال توظيف آليات الانتباه الجزئي ومضخم الرسائل لنمذجة أهمية الجيران والنطاقات المتفاوتة بدقة، مما يؤدي إلى تفوقها على النهج الحالية في مجموعات البيانات الواقعية.
تقدم هذه الورقة إطاراً نظرياً موحداً لتعزيز المعايرة المتعددة (MCBoost) يستوعب المتغيرات القائمة، ويثبت التقارب نحو إسقاط بريغمان (Bregman projection) في ظل ظروف واقعية، ويوضح المقايضة بين المعايرة والمخاطرة التي يتم التحكم فيها عبر التوقف المبكر، ويمد ضمانات النقل لتشمل انزياحات المتغيرات المصاحبة، مما يوفر أساساً شاملاً للنمذجة التنبؤية الموثوقة والعادلة.
تقدم هذه الورقة "مشغل الفضاء الذاتي العصبي" (NEO)، وهو إطار عمل تغذية أمامية يتنبأ بكفاءة بالفضاءات الذاتية لـ "لابلاسيان" منخفضة التردد والمستقرة من السحب النقطية عبر تعلم الفضاءات الجزئية الثابتة باستخدام الانتباه المدرك للكتلة، مما يتجاوز غموض المتجهات الذاتية ويحقق تسارعاً يقترب من الخطية مقارنة بالمحللات التكرارية التقليدية.
تقترح الورقة البحثية AvAtar، وهو إطار عمل للتعلم النشط قائم على المبادئ لعمليات المحاذاة القائمة على النقل الأمثل، والذي يحدد بكفاءة الإشراف عالي الجودة من خلال قياس مدى معلوماتية المرشح عبر انتشار التدرج، مستفيدًا من طريقة الحالة المرافقة لتحقيق تعقيد خطي وتقارب مضمون.
تقدم هذه الورقة البحثية خوارزمية تحسين السياسة القائمة على النموذج والمنظمة بنماذج الكثافة التوليدية خارج نطاق التوزيع (GORMPO)، وهي خوارزمية جديدة للتعلم المعزز غير المتصل التي تدمج نماذج الكثافة التوليدية لتقييد تحديثات السياسة في المناطق ذات الكثافة العالية، مما يجعلها تتفوق على النماذج المرجعية الرائدة في مجموعات البيانات الطبية الواقعية والمبعثرة، مع إثبات أن فعالية الكشف عن البيانات خارج نطاق التوزيع تعتمد على ديناميكيات البيئة.