23164 ورقة بحثية
تُثبت هذه الورقة أن الاختيار النشط للسياقات التي يتم أخذ عينات منها في خوارزميات "المتعددة الأذرع السياقية" (contextual multi-armed bandits)، بدلاً من استقبالها بشكل سلبي، يحسن بشكل كبير معدلات أسوأ حالات الندم البسيط (worst-case simple regret) من خلال تحسين استراتيجية التخصيص بناءً على توزيع السياق، مع خوارزمية مقترحة تحقق هذه المعدلات المثلى حتى عندما يكون التوزيع غير معروف في البداية.
تقترح هذه الورقة البحثية "تخمير الذيل" (Tail Annealing)، وهي طريقة تطبق تحويلاً لوغاريتمياً ناعماً لكل إحداثي لضغط البيانات ذات الذيول الثقيلة إلى نطاق يمكن التحكم فيه لنماذج مطابقة التدفق القياسية، مما يتيح لها توليد توزيعات قانون القوة بدقة دون الحاجة إلى تغييرات هيكلية أو توزيعات أساسية ذات ذيول ثقيلة.
تتناول هذه الورقة عدم استقرار آليات اختيار اليانصيب الجزئي الحالية من خلال اقتراح "اليانصيب الخطي المقطوع" (Clipped Linear Lottery)، وهو تصميم سلس ومستمر ليبشيتز يقلل من تأثير الاضطرابات الطفيفة في الدرجات مع تحقيق حدود ندم مثلى وأداء متفوق مقارنة بالبدائل في بيانات مراجعة الأقران الواقعية.
تضع هذه الورقة شرطاً كافياً صارماً للتقطير الفعال لمعرفة التحسين التوافقي من النماذج الكبيرة إلى الشبكات العصبية الرسومية، مبرهنةً على أن النجاح مضمون عندما تكون البنية المستهدفة متوافقة خوارزمياً مع حل البرمجة الديناميكية الكامن، ويحقق النموذج المصدر فرضية التمثيل الخطي.
تقدم هذه الورقة EvoTrace، وهي مجموعة بيانات لآثار الترميز التطوري، وEvoReplay، وهي منهجية قائمة على إعادة التشغيل، لتكشف أن مكاسب الأداء في وكلاء الترميز التطوري غالبًا ما تنبع من آليات متنوعة مثل إعادة الضبط أو إعادة استخدام المعرفة الموجودة بدلاً من الابتكار الخوارزمي الحقيقي، وهو ما يستدل عليه من خلال التكرار الحتمي المتكرر لأسطر الكود.
تقدم هذه الورقة نموذجاً تحليلياً عالي الأبعاد للتدريب المسبق والاختبار الخطي يستنتج تعبيرات دقيقة لخطأ التعميم لتحديد أحجام التمثيل المثلى، كاشفاً أن التمثيلات المضغوطة إلى أقصى حد هي الأفضل عندما تكون بيانات التدريب المسبق وفيرة بينما تكون البيانات اللاحقة نادرة، في حين أن التمثيلات ذات الأبعاد الأعلى تؤدي بشكل أفضل مع بيانات تدريب مسبق محدودة.
تقترح هذه الورقة نموذج "العينة-المخطط-الحل" (Sample-Sketch-Solve) الذي يستخدم مخطط شبكة كارتيزية منتظمة لضغط البيانات وتنظيم البنية، مما يتيح تقدير مسافة واسرستاين المربعة بين التوزيعات السلسة بخطأ مضاف قدره في تعقيد زمني يتفوق بشكل كبير على الطرق التقليدية، لا سيما للأبعاد و .
تقدم هذه الورقة إطاراً موحداً يقيم المحاذاة بين النموذج والدماغ من خلال قياس الأبعاد المحددة والقابلة للتكرار في فضاء الاستجابة الدماغية التي يتم استردادها، مما يكشف أن دقة التنبؤ وحدها يمكن أن تحجب تباينات جوهرية بين نماذج الرؤية الاصطناعية والقشرة البصرية البشرية.
إنّ TrajTok هو مشفر مسارات يستخدم ترميزاً مكانياً سداسياً متكيفاً متعدد الدقة وبنية محول مفككة مع تدريب مسبق قائم على الرموز المقنعة لتعلم تمثيلات مسارات قابلة للنقل وعامة الغرض تتفوق على الأساليب المخصصة لمهام معينة عبر مختلف المهام اللاحقة.
توسع هذه الورقة البحثية عمليات ماتيرن غاوس (Matérn Gaussian processes) لتشمل الرسوم البيانية غير الموجهة من خلال الاستفادة من توصيفها عبر المعادلات التفاضلية الجزئية العشوائية، مما يثبت أن النماذج الناتجة ترث الخصائص الجوهرية من نظيراتها في الفضاء الإقليدي ويمكن تدريبها بكفاءة باستخدام تقنيات قياسية مثل النقاط المستحثة (inducing points) لحالات الدفعات الصغيرة (mini-batch) والحالات غير المترافقة (non-conjugate settings).