23164 ورقة بحثية
تقدم الورقة البحثية "المحول الخطي المدرك مكانيًا" (SAL-T)، وهو بنية مستوحاة من الفيزياء تجمع بين الانتباه الخطي والتقسيم المدرك مكانيًا والطبقات الالتفافية لتحقيق دقة بمستوى المحولات في تصنيف نفاثات الجسيمات مع تقليل التعقيد الحسابي وزمن الاستجراف بشكل كبير.
تقدم هذه الورقة اتجاه بحث مبتكر يُمكّن خوارزميات التحسين ثنائي المستوى عبر الإنترنت العشوائية من الرتبة الأولى والصفرية من تحقيق ندم عشوائي دون رتيبة (sublinear) دون استخدام تنعيم النافذة، مع تحسين الكفاءة في الوقت ذاته من خلال تقليل الاعتماد على الأوراكل وتوحيد تحديثات المتغيرات.
تقترح هذه الورقة وتتحقق من صحة نهج مؤتمت لترحيل كود الشبكات العصبية بين أطر التعلم العميق، مثل PyTorch وTensorFlow، وذلك عبر استخدام نموذج محوري لإنشاء تجريد يضمن التكافؤ الوظيفي مع التغلب على تحديات الترحيل اليدوي.
تستخدم هذه الورقة تقنيات تعلم الآلة لإعادة النظر في مشكلة كتلة الفرميون في نظرية جورجي-غلاشوو للتوحيد الكبير، مبرهنةً أن النماذج التي تتضمن حقلاً بـ 24 بُعداً أو معلماً مستمراً تقدم حلاً أكثر "جمالاً" (أقرب إلى النموذج الأصلي) لطيف كتلة الفرميون المرصود مقارنة بتلك التي تستخدم حقلاً بـ 45 بُعداً.
تستقصي هذه الورقة قوانين القياس الخاصة بالتنبؤ التالي بالبكسل ذاتي الانحدار لنماذج الرؤية، كاشفةً أن الاستراتيجيات المثلى تتباين بين مهام التصنيف والتوليد، ومتوقعةً أن التوسع المدفوع بالحوسبة سيمكن من نمذجة الصور بكسل تلو الآخر في غضون خمس سنوات.
تقدم هذه الورقة بحثاً مرجعياً منهجياً يوضح أن فعالية كواشف البيانات خارج التوزيع تعتمد في المقام الأول على التمثيل المتعلم والنموذج التدريبي بدلاً من تصميم الدرجة وحده، مما يكشف أن خصائص انهيار التمثيل تملي استراتيجيات تسجيل الدرجات المثلى وتسمح بالتنبؤ بالكواشف الأعلى أداءً دون الحاجة إلى بيانات إضافية خارج التوزيع.
تقدم هذه الورقة إطار عمل لمرشح الجسيمات المعتمد على تقنية "راو-بلاكويل" لاستنتاج هدف وكيل متحرك من ملاحظات مسار مشوشة، وذلك عبر الاستفادة من فرضيات الاستقرار في الحلقة المغلقة لتحسين كفاءة العينات، مع قياس تسرب النوايا من خلال مقاييس نظرية المعلومات، وإثبات أن مُقدِّراً مختزلاً يحقق أداءً مقارباً لنموذج الخليط الغاوسي الكامل.
تقدم هذه الورقة "تباين تنبؤ الاختبار" (TPV) كإطار عمل موحد وخالٍ من التسميات لتحليل متانة ما بعد التدريب، والذي يربط نظرياً بين اضطرابات المعلمات وظواهر التعميم مثل الإفراط في التخصيص الحميد، ويُمكّن من تطبيقات عملية مثل تقليم النماذج واختيار النماذج بأحدث المعايير باستخدام بيانات التدريب فقط.
تقدم هذه الورقة البحثية طريقة SCPO، وهي طريقة إسقاط في فضاء الأوزان قائمة على أخذ العينات تفرض قيود السلامة في فضاء المعلمات دون الحاجة إلى تدرجات تحليلية، مما يضمن بقاء جميع السياسات الوسيطة آمنة مع تمكين تحسينات ذات معنى في سيناريوهات التعلم الحرجة للسلامة.
تقترح الورقة البحثية إطار عمل FLEX-MoE، وهو إطار للتعلم الاتحادي لشبكات الحافة محدودة الموارد يعمل على تحسين تعيين الخبراء وموازنة الحمل بشكل مشترك باستخدام درجات لياقة العميل إلى الخبير للتغلب على تحديات سعة العميل المحدودة وتوزيعات البيانات غير المتماثلة (non-IID) في نماذج خليط الخبراء (Mixture-of-Experts).