23088 ورقة بحثية
تقترح الورقة البحثية SoTU، وهي طريقة جديدة للتعلم المستمر تستفيد من الضبط المتعامد المتناثر للمعلمات لدمج المعرفة من المهام المتدفقة بفعالية وتخفيف النسيان الكارثي دون الحاجة إلى تصميمات معقدة للمصنفات.
تقترح هذه الورقة إطاراً غير معلمي للتعريف الجزئي في سياق التسعير الديناميكي غير المتصل بالإنترنت في البيئات ذات التغطية التاريخية غير المكتملة، حيث تقدم قواعد قرار متشائمة وانتهازية متميزة توفر حدود ندم في العينات المحدودة وتتفوق على النماذج المرجعية لتعلم التعزيز غير المتصل بالإنترنت القياسية مع ربط الموقف المخاطري للشركة باستراتيجية التسعير المثلى الخاصة بها.
من خلال دراستين واسعتي النطاق تستخدمان تمثيلات النماذج اللغوية الكبيرة، يوضح هذا البحث أن بنية وديناميكيات السرديات الداخلية لا تتنبأ بشدة الاكتئاب فحسب، بل تؤثر أيضًا بشكل سببي على الحالات الوجدانية، مما يشير إلى أن الوجدان يعمل كحالة حوسبية تقيد بناء السرد وتدمج السياق.
تضع هذه الورقة متباينات تركيز جديدة عالية الأبعاد وحدود "بيري-إيسين" (Berry-Esseen) للمتتاليات المارتينجالية المستحثة بواسطة سلاسل ماركوف، والتي تُطبق لاستخلاص ضمانات اتساق حادة ومعدل تقريب غاوسي قدره لتعلم فرق الفروق الزمنية (Temporal Difference learning) مع التقريب الدالي الخطي.
تقترح هذه الورقة مُقدِّر طريقة العزوم المعممة للأوزان الحافية الأولية للمسارات العشوائية المعززة بالحواف، وذلك عبر الاستفادة من اتصال "الصيغة السحرية" بالمسارات العشوائية في البيئات العشوائية واستغلال البنية الغاوسية الزائدية لتحليل تعقيد العينة.
تقدم هذه الدراسة إطار عمل هجينًا مبتكرًا وقابلًا للتفسير للتعلم الآلي، يجمع بين المعالجة المسبقة الصارمة للبيانات، واختيار الميزات، ومجموعة تجميعية متراكمة من خوارزميات متنوعة لتحقيق معدل دقة بنسبة 97.2% في التنبؤ بالسكتة الدماغية من البيانات الجدولية، مما يتفوق بشكل كبير على النماذج الفردية ويثبت القدرة على إجراء تقييم للمخاطر بمستوى سريري.
تُثبت هذه الورقة أن الشبكات العصبية الجاذبة ذاتية التعامد تنبثق طبيعيًا من مبدأ الطاقة الحرة المطبق على الأنظمة الديناميكية العشوائية، مما ينتج ديناميكيات استدلال نشط بايزي متعدد المستويات وذات صلة بيولوجية تُحسّن دقة التنبؤ وتعقيد النموذج دون الحاجة إلى قواعد تعلم مفروضة صراحةً.
تقدم هذه الورقة خوارزمية تعلم كيو (Q-learning) غير متزامنة ومبتكرة مقاومة للفساد، تحقق معدلات تقارب في زمن محدود قريبة من المثالية تحت ظروف المكافآت الفاسدة خصومياً والبيانات المرتبطة زمنياً، مما يضع أول ضمانات من هذا النوع لتعلم كيو غير المتزامن إلى جانب حد معلوماتي نظري مطابق.
تُثبت هذه الورقة أن دمج الانحيازات الاستقرائية الفيزيائية في نماذج التعلم العميق للتنبؤ المكاني الزماني يقلل بشكل كبير من البصمات الكربونية لعمليات التدريب، رغم تباين تكاليف الاستدلال، مما يدفع بالقول إن كفاءة النموذج يجب أن تصبح اعتباراً جوهرياً إلى جانب الدقة في تطوير الذكاء الاصطناعي.
تقدم هذه الورقة DecepChain، وهو نموذج جديد يعمل على ضبط النماذج اللغوية الكبيرة لإنتاج تسلسل تفكير خفي ومتماسك، ومع ذلك فهو غير صحيح ويحاكي السلوك الحميد، مما يكشف عن ثغرة حرجة حيث يواجه كل من البشر والنماذج صعوبة في اكتشاف المنطق الخادع.