23164 ورقة بحثية
تقدم هذه الورقة البحثية O'Prior، وهو نموذج واقعية تركيبي يعزز بشكل كبير دقة ومتانة النماذج التأسيسية للبيانات الجدولية من خلال استبدال توزيعات التدريب المسبق الاصطناعية المثالية للغاية ببروتوكول توليد أكثر تعقيداً وخضوعاً للاختبارات القاسية يحاكي بشكل أفضل عدم انتظام البيانات في العالم الحقيقي.
تقترح هذه الورقة TabQL، وهو إطار عمل للتعلم المعزز يستبدل شبكة Q البارامترية في التعلم العميق لـ Q بشبكة نموذج أساسي جدولي لتمكين التكيف السريع داخل السياق وتحسين كفاءة العينات من خلال استدلال قيم Q بأسلوب الصفر أو القليل من الأمثلة.
تقدم الورقة البحثية EgoTraj، وهي مجموعة بيانات متعددة الوسائط جديدة ومفتوحة تضم 75 تسلسلاً للملاحة الحضرية في العالم الحقيقي تم التقاطها عبر سماعات الرأس Meta Quest Pro مع فيديو RGB متزامن، ووضعيات رأس بـ 6 درجات حرية، وبيانات نظرة العين ثلاثية الأبعاد، والمصممة لتعزيز الأبحاث في التنبؤ بمسار الإنسان من منظور الشخص الأول للروبوتات والأنظمة المساعدة.
تقدم هذه الورقة البحثية نموذج الانتشار العميق لغمد الشبكة العصبية (DNSD)، وهو بنية مبتكرة تتغلب على قيود العمق في نماذج انتشار غمد الشبكة العصبية الحالية من خلال استبدال مؤثر "لابلاس الغمد" بمؤثر تجاور الغمد ودمج آليات التطبيع والبوابات، مما يتيح تعلمًا عميقًا فعالًا للرسوم البيانية يتفوق بشكل كبير على النماذج المرجعية المتطورة في كل من الاختبارات الاصطناعية والواقعية.
إن RLFTSim هو إطار عمل للضبط الدقيق القائم على التعلم التعزيزي يعمل على تعزيز واقعية وقابلية التحكم في محاكاة حركة المرور متعددة الوكلاء من خلال مواءمة مخرجات المحاكي مع توزيعات بيانات العالم الحقيقي واستخدام إشارة مكافأة كثيفة ومنخفضة التباين لتحقيق أداء رائد على مجموعة بيانات Waymo Open Motion.
تقدم هذه الورقة STRELGen، وهو إطار عمل عصبي-رمزي قابل للتوسع يجمع بين نموذج انتشار لتوليد المسارات متعدد الوكلاء وبين مواصفات المنطق المكاني-الزماني القابلة للتفاضل، وذلك لتوليد سيناريوهات قيادة واقعية وحرجة تتعلق بالسلامة بكفاءة من أجل اختبار مركبات ذاتية القيادة بشكل قوي.
تؤسس هذه الورقة أساساً نظرياً للاسترخاء اللاغرانجي القائم على البيانات في البرمجة الخطية ذات الأعداد الصحيحة المختلطة من خلال اشتقاق حدود التعميم، وإثبات الحدود الدنيا للمينيمكس، وتوضيح أن طريقة صعود التدرج العشوائي مع المتوسط تحقق معدلات تقارب مثالية لتعلم المضاعفات والبدء الدافئ للمحللات.
تُثبت هذه الورقة أن تعلم الآلة الحديث يمكنه أن يقود اكتشافات رياضية قابلة للتحقق في التوافيق الجبرية من خلال تقديم إطار عمل SLURP وطريقتين مبتكرتين، MapSeek-Functional وMapSeek-Symbolic، اللتين نجحتا في الكشف عن تفسير جديد لتقسيمات غير متقاطعة لمتعددات حدود -Narayana وتقدما برهاناً توافقياً لتناظرها في حالة لم تكن محلولة سابقاً.
تقدم الورقة البحثية Chessformer، وهي بنية محول موحدة تعتمد على المشفر فقط (encoder-only transformer) تدمج انحياز الانتباه الهندسي وتمثيل رموز المربعات لتحقيق أداء رائد في التنبؤ بنقلات البشر في آن واحد، وتعزيز قوة اللعب بشكل كبير في Leela Chess Zero، وتمكين التفسير الدقيق، مما يثبت أن مواءمة تصميم النموذج مع هندسة المجال تؤدي إلى نتائج متفوقة عبر أهداف متعددة.
تقدم الورقة البحثية ReElicit، وهو إطار عمل للتحسين البايزي يستفيد من النماذج اللغوية الكبيرة لاستخلاص تمثيلات سمات تكيفية وقابلة للتفسير ديناميكيًا من التغذية الراجعة التجميعية، مما يتيح التحسين الفعال لمطالبات النظام متغيرة الطول دون الحاجة إلى تسميات لكل مثال.