23088 ورقة بحثية
تستنتج هذه الورقة حدود "واسرشتاين" نظرية لوضع إرشادات صريحة ومضمونة الدقة لضبط المعلمات الفائقة لديناميكيات لانجفان الملدنة في الاستدلال القائم على المحاكاة التركيبية، مما يثبت أن صيغة "لينهارت وآخرون (2026)" تتفوق نظرياً على صيغة "جيفنر وآخرون (2023)" في الإعداد الغاوسي، وأن هذه الرؤى تعمم على المسائل المعقدة.
تؤسس هذه الورقة إطاراً نظرياً للتعلم يفكك مخاطر استدلال "سلسلة الأفكار" إلى مكون مسار أوراكل (oracle-trajectory) مفيد ومكون عدم تطابق المسار (trajectory-mismatch) المكلف، مما يثبت أن فعالية "سلسلة الأفكار" تعتمد بشكل حاسم على شروط الاستقرار التي تمنع تراكم الأخطاء من التغلب على فوائد خطوات الاستدلال الوسيطة.
تقدم هذه الورقة سياسات تدفق المتوسط العشوائية (SMFP)، وهي فئة سياسات توليدية من خطوة واحدة تجمع بين تقدير الإنتروبيا القابل للتتبع وانحدار المرآة خارج السياسة للتعامل بفعالية مع توزيعات الأفعال متعددة الأنماط مع الحفاظ على كفاءة الاستدلال واستقرار التدريب عبر اختبارات MuJoCo المرجعية.
تقدم هذه الورقة تفسيراً آلياً للنماذج التأسيسية الجدولية من خلال توصيف خوارزميات القراءة المتميزة القائمة على التشابه، وتحديد المعلمات الموضعية المحددة المسؤولة عن عدم التغير تحت التبديل، والتحقق من هذه النتائج عبر التدخلات السببية والاضطرابات المستهدفة التي تفسر كلاً من دقتها وأنماط فشلها.
تحلل هذه الورقة ديناميكيات التدريب ذات الخطوة الكبيرة لنموذج محول خطي ثنائي العوامل، مظهرةً أن معدلات التعلم المرتفعة يمكن أن تغير نتائج التدريب بشكل جوهري عبر تحويل النظام من التقارب الرتيب إلى الدورات، أو الفوضى المحدودة، أو التباعد، بدلاً من مجرد تسريع تعلم الانحدار الخطي داخل السياق.
تقدم الورقة البحثية DeCoR، وهو إطار عمل للتعلم التعزيزي ثنائي المراحل يعمل على التحسين المشترك لتخطيطات ممرات المشاة الحضرية والتحكم التكيفي في الإشارات لتقليل تأخيرات المشاة والمركبات بشكل كبير في ممرات حقيقية مع التعميم على الطلبات المتغيرة دون الحاجة لإعادة التدريب.
تقدم هذه الورقة CRAFT، وهو إطار عمل جديد لتجميع التعلم الاتحادي يعالج تعارضات تحديثات العملاء من خلال تصحيح هندسي ذي صيغة مغلقة وتكيف على مستوى الطبقات، مما يؤدي إلى تحسين دقة النموذج العالمي مع تقليل تفاوت الأداء عبر العملاء غير المتجانسين.
تقدم الورقة البحثية TextReg، وهو إطار تنظيم يعمل على الحد من الإفراط في التخصيص لتوزيع المطالبات في النماذج اللغوية الكبيرة من خلال التحكم في عدم كفاءة التمثيل عبر التدرجات النصية، مما يحسن بشكل كبير من تعميم خارج التوزيع مقارنة بطرق التحسين الحالية.
تُظهر هذه الورقة أن تماثلات المثيرات يمكن أن تضلل تحليلات التشابه التمثيلي من خلال التسبب في إنتاج مصفوفات تشابه تمثيلي متباينة لتمثيلات عصبية متكافئة وظيفياً، مما يؤدي إلى تعقيد مقارنة الشفرات العصبية غير الخطية.
تقترح هذه الورقة مُقدِّر تدرج فائق (hypergradient) متعامدًا، شبه معلمي، ومُقاطعًا (cross-fitted) يعتمد على دوال التأثير الفعال للقضاء على انحياز الدرجة الأولى في التحسين ثنائي المستوى الوظيفي غير المعلمي، محققًا طبيعية تقاربية وأداءً متفوقًا على النماذج المرجعية القائمة على التقدير المباشر (plug-in) والأساليب القائمة على النواة.