23164 ورقة بحثية
تقدم الورقة البحثية "Nash"، وهو إطار عمل موحد يستفيد من الشبكات العصبية لتعديل التنظيم الخاص بالمغيرات (covariate-specific regularization) بشكل تكيفي في الانحدار عالي الأبعاد المهيكل، محققاً تسريعاً كبيراً في الحوسبة وتحسناً في الدقة مقارنة بالطرق القائمة دون الحاجة إلى التحقق المتقاطع.
تقدم هذه الورقة RAP، وهو إطار عمل مدفوع بالتعلم المعزز يعمل على تكييف استراتيجيات تقليم استنتاج النماذج اللغوية الكبيرة ديناميكيًا في الوقت الفعلي من خلال التحسين المشترك لأوزان النموذج والاحتفاظ بذاكرة التخزين المؤقت لـ KV لتعظيم المنفعة في ظل ميزانيات ذاكرة وظروف عمل متغيرة.
تقدم الورقة البحثية SIPO، وهو إطار عمل مستقر ومحسن لتحسين التفضيلات لنماذج الانتشار يعالج عدم استقرار التدريب وانحياز السياسة الخارجية من خلال آلية مبتكرة لقص التدرج وإعادة وزن الأهمية الواعية بالخطوات الزمنية، مما يظهر أداءً فائقاً عبر مهام توليد الصور والفيديو.
تقترح هذه الورقة إطاراً نظرياً موحداً لمحاذاة النماذج اللغوية الكبيرة عبر إعادة صياغتها كتعلم توزيع من التفضيلات الزوجية، مستمدةً ثلاثة أهداف مبدئية توفر ضمانات تقارب قوية غير تقاربية، وتقدم تبريراً صارماً للتعلم التعزيزي من التغذية الراجعة البشرية (RLHF)، وتفسر التفوق التجريبي للطرق القائمة على السياسة (on-policy) على النهج القائمة على الاحتمالية (likelihood-based).
تُثبت هذه الورقة أن الشبكات العصبية ذاتية الانحدار يمكنها تقدير مصفوفات الكثافة المختزلة وحساب حد الاستمرارية لإنتروبيا التشابك ثنائي الأطراف لسلاسل الغزل الكمي بكفاءة، وذلك من خلال الاستفضاء من تلاؤمها مع الأنظمة الكلاسيكية ثنائية الأبعاد، مما يتطلب جلسة تدريب واحدة فقط لتجزئة وحجم ثابتين.
تقدم هذه الورقة إطار عمل "عالمي-محلي" (glocal) للنعومة يوصّف الخصائص العالمية والمحلية لدوال الهدف لوضع حدود تقارب مستقلة عن التكرار، مما يثبت أن البحث الخطي وأحجام الخطوات التكيفية يمكن أن تتفوق نظرياً على طرق الخطوة الثابتة، بما في ذلك الخوارزميات المتسارعة، من حيث تعقيد التكرار.
تقدم الورقة البحثية DP-GRAPE، وهي طريقة تدريب بخصوصية تفاضلية موفرة للذاكرة تستبدل عمليات الإسقاط المكلفة القائمة على تحليل القيم المفردة (SVD) بإسقاطات غاوسية عشوائية لتقليل استخدام الذاكرة بنسبة تزيد عن 63% مع الحفاظ على دقة تنافسية وتمكين تدريب النماذج الكبيرة التي يستحيل تدريبها باستخدام خوارزمية DP-Adam القياسية.
تقدم هذه الورقة OSWorld-Human، وهو معيار مرجعي مُعلق يدوياً يكشف أن وكلاء استخدام الكمبيوتر الحاليين يعانون من زمن انتقال وكفاءة باهظين، ويرجع ذلك أساساً إلى كثرة استدعاءات النماذج للتخطيط والتفكير، مما يؤدي إلى استغراقهم في تنفيذ المهام عدداً من الخطوات يزيد بمقدار 2.7 إلى 4.3 مرة عن البشر.
يُعد CooT إطار عمل مبتكر يسخر التعلم في السياق لتمكين الأنظمة متعددة الوكلاء من التكيف بسرعة وقوة مع الشركاء غير المألوفين دون تحديثات للمعلمات، متفوقاً بذلك على الأساليب القائمة على السكان، والضبط الدقيق، والتعلم المعزز الميتا، في اختبارات مرجعية مثل Overcooked وGoogle Research Football.
تجادل هذه الورقة بأن الوكلاء القائمين على النماذج اللغوية الكبيرة يمكنهم تفكيك هيمنة "الحدائق المسيجة" من خلال تمكين "التوافق التشغيلي الشامل" عبر محولات تتوسطها الذكاءات الاصطناعية، مما يخفض تكلفة تبادل البيانات عبر المنصات بشكل جذري، وبالتالي استعادة حرية المستخدم والمنافسة في السوق مع استلزام أطر عمل جديدة لمعالجة المخاطر الأمنية والقانونية المرتبطة بذلك.