23088 ورقة بحثية
تقدم هذه الورقة إطار عمل للاستكشاف ثلاثي الأبعاد مدفوعاً بالفضول يجمع بين إعادة البناء ثلاثي الأبعاد عبر الإنترنت لنمذجة العالم المستمر وبين سياسة قائمة على التسلسل للسياق العرضي، مما يمكّن الوكلاء من التغلب على الحلقات المحلية، والتعميم بصفر محاولة (zero-shot) في بيئات غير مرئية، والتكيف بكفاءة مع المهام اللاحقة دون إشارات مكافأة صريحة.
تقدم الورقة البحثية "تحسين السياسة المتجهية" (VPO)، وهو خوارزمية للتعلم المعزز تدرب النماذج اللغوية على توليد حلول متنوعة من خلال الاستفادة من المكافآت ذات القيم المتجهية، مما يحسن أداءها بشكل كبير في إجراءات البحث في وقت الاختبار مقارنة بتحسين المكافأة القياسية القياسية.
تقدم الورقة البحثية شبكة الطلب المعتمدة على السياق والقابلة للتكامل (ICDN)، وهي نموذج عصبي يتعلم دوال طلب لوغاريتمية سلسة ومشروطة بالسياق لاستخلاص مرونات دقيقة، مما يظهر تحسناً في التعميم وتقديرات أكثر منطقية من الناحية الاقتصادية على مجموعة بيانات "دومينيكس بير" (Dominick's beer) مقارنة بالمعايير المرجعية التقليدية.
تقدم هذه الورقة ConvexTok، وهي خوارزمية لتقطيع النصوص (tokenization) مبتكرة تصيغ بناء المفردات كبرنامج خطي يمكن حله عبر الأمثلة المحدبة، مما يجعلها تتفوق على الطرق الجشعة التقليدية في المقاييس الجوهرية وكفاءة النماذج اللغوية مع توفير حد معتمد على مدى قربها من المثالية.
تقترح هذه الورقة إطار عمل جديد لشبكة عصبية تلافيفية ضبابية (FCNN) يقوم بتحويل البيانات الجدولية إلى صور قائمة على العضوية الضبابية للاستفادة بفعالية من التعلم العميق في التصنيف، مما يظهر أداءً تنافسيًا أو متفوقًا مقارنة بخوارزميات التعلم الآلي التقليدية في مجموعات البيانات المعقدة والمشوبة بالضجيج.
تُثبت هذه الورقة أنه من خلال الاختيار الدقيق لعدد سمات فورييه العشوائية، يمكن لاختبار تباعد المتوسط الأقصى التقريبي أن يحقق نفس ضمانات القوة الدنيا القصوى (minimax power) التي يحققها اختبار MMD القياسي، مع العمل بتعقيد زمني أقل من التربيعي، مما يحل بفعالية المقايضة بين الحوسبة والإحصاء في اختبار العينات الثنائية واسعة النطاق.
تقترح هذه الورقة البحثية طريقة TRAM، وهي طريقة للتكيف في وقت الاختبار دون الحاجة لتحديثات، تقوم بتركيب مكتبة ثابتة من السياسات المحايدة للمخاطر ديناميكيًا لتكوين وكيل مدرك للمخاطر عبر تقييم وخلطها بناءً على مكافأة الهدف وقيود المخاطر القائمة على الإشغال، مما يضمن السلامة والمواءمة دون الحاجة إلى إعادة تدريب النموذج.
تقدم هذه الورقة SLIDE، وهي طريقة تعتمد على التعلم العميق تعمل على تسريع محاكاة الأنظمة متعددة الأجسام بشكل كبير من خلال تقدير الاستجابات الديناميكية عبر نهج النافذة المنزلقة الذي يقتطع التأثيرات العابرة الأولية، مما يتيح الأداء في الوقت الفعلي دون الحاجة إلى معلومات كاملة عن حالة النظام.
تُظهر هذه الورقة أن اختبار ما إذا كان التوزيع مدعوماً على من العناصر كحد أقصى يمكن تحقيقه بكفاءة أكبر من تعلم المدرج التكراري الخاص به، مما يتطلب فقط من العينات عبر الاستفادة من تحليل مبتكر لتقريبات كثيرات حدود تشيبيشيف.
تُظهر هذه الدراسة أنه في حين يوفر مولد البيانات الاصطناعية DECAF أفضل توازن بين الخصوصية والعدالة رغم انخفاض المنفعة، فإن تطبيق خوارزميات العدالة المسبقة المعالجة على البيانات الاصطناعية يحقق تحسينات فائقة في العدالة مقارنة بتطبيقها على البيانات الحقيقية، مما يشير إلى نهج هجين واعد للتحليلات التعليمية الأخلاقية.