23088 ورقة بحثية
تكشف هذه الورقة أن المجموعات العميقة تفشل في التقاط عدم اليقين بفعالية في الشبكات العصبية الرسومية لأن النماذج المدربة بشكل مستقل تتقارب نحو تنبؤات متطابقة وظيفياً، مما يسبب انهياراً معرفياً ويحصر فوائد المجموعة في مجرد تثبيت التنبؤات النقطية بدلاً من تحسين تقديرات عدم اليقين.
تُعد MoSA إطار عمل للتكيف مع الإجهاد المقيد بالحركة، وهي تجسر الفجوة بين الواقع والمحاكاة في ديناميكيات الاستمرارية عبر استخدام نموذج متماثل المناحي كسابقة فيزيائية لتعلم مؤثرات الإجهاد المتبقية التي تلتقط التباين والتباين النوعي الطفيف، مما يحقق دقة فائقة، وقدرة على التعميم، ونقلاً من المحاكاة إلى الواقع في مهام التلاعب الروبوتي.
تقترح هذه الورقة إطار عمل شاملاً للخدمات المصرفية القائمة على الذكاء الاصطناعي بدون بطاقات، يستفيد من خوارزميات تعلم الآلة، وتشفير البيانات المدفوع بالذكاء الاصطناعي، والبطاقات الافتراضية المولدة تلقائياً لتعزيز الأمن السيبراني، والمصادقة على المعاملات، والتخفيف الاستباقي لمخاطر الاحتيال.
تُقيّم هذه الدراسة معايير مختلف بنيات تعلم الآلة للتنبؤ بتدخلات الإشراف على مضادات الميكروبات في وحدات العناية المركزة للأطفال، كاشفةً أنه بينما توفر النماذج التسلسلية مزايا في الدقة عند مستويات زمنية خشنة، فإن النماذج الجدولية الأبسط توفر معايرة فائقة، وأن الأداء التنبئي مدفوع بانتشار الهدف وخصائص مجموعة البيانات أكثر من تعقيد النموذج.
تجادل هذه الورقة بأن الفجوة بين أداء نماذج اللغات الكبيرة في معايير الرعاية الصحية وبين النشر في العالم الحقيقي تنبع من افتراضات ضمنية غير مختبرة حول سلوك المستخدم، وتقترح إطاراً لتصنيف هذه الافتراضات وتقدم "بطاقات المعايير" (BenchmarkCards) والتقييم المرحلي لمعالجتها بشكل منهجي.
تقترح هذه الورقة إطار عمل للتدريب باستخدام التعلم المعزز من التغذية الراجعة البشرية غير المتوافقة (RLIF) متعدد المكافآت وخالٍ من الانهيار، يجمع بين التصويت العنقودي على مستوى الإجابة ومكافآت اليقين الذاتي على مستوى الرمز (token) مع تطبيع GDPO وتنظيم KL-Cov لتمكين الاستدلال طويل الأمد المستقر وغير الخاضع للإشراف في النماذج اللغوية الكبيرة (LLMs) دون الاعتماد على إشراف خارجي قائم على الحقيقة الأرضية.
تقدم هذه الورقة UNAD+، وهو إطار عمل هجين مطور يجمع بين مجموعة غير متجانسة تعتمد فقط على البيانات السليمة مع صقل تحت الإشراف وقابلية التفسير اللاحقة لتحقيق كشف عالي الدقة ومنخفض الإيجابيات الكاذبة للهجمات الشبكية غير المعروفة، مع توفير رؤى شفافة للنشر في العالم الحقيقي.
تثبت هذه الورقة التقارب الخطي لتحسين سياسة واسرستاين (Wasserstein Policy Optimization) في عمليات ماركوف لاتخاذ القرار ذات الانتظام الإنتروبي مع فضاءات حالة وفعل مستمرة، وذلك من خلال الاستفادة من تحليل المجال المتوسط، ومتفاوتات لوغاريتم-سولبولي (log-Sobolev inequalities)، والتبدد الرتيب للطاقة على طول التدفق المتدرج.
تُظهر هذه الدراسة المنهجية أنه في حين أن استرجاع المعرفة الأخلاقية يحسن باستمرار الكشف عن قيم "شوارتز" في النصوص السياسية، فإن مجرد زيادة طول السياق أو حجم النموذج لا يضمن أداءً أفضل، حيث يتفوق الدمج المبكر للمعرفة المسترجعة على متغيرات "RAG" الأخرى والنماذج الأكبر حجماً.
تتحدى هذه الورقة البحثية تقريب الحركة البراونية القياسي لعملية التدرج الاشتقاقي العشوائي عبر اشتقاق معادلة فوكر-بلانك منفصلة من قاعدة التحديث المنفصلة، مما يكشف أن ديناميكيات التدرج الاشتقاقي العشوائي بالقرب من النقاط الحرجة تتفكك إلى نظامين: نظام محصور ونظام انتشاري، حيث تظهر الاتجاهات شبه المسطحة نمواً غير محدود في التباين يتناسب طردياً مع معدل التعلم.