23164 ورقة بحثية
تقترح هذه الورقة إطار عمل لـ "الاستقلالية المضمونة" يستفيد من تقنيات بحوث العمليات، وتحديداً النماذج التوليدية القائمة على التدفق والمتانة الخصومية، لفرض قيود رسمية، وجدوى قابلة للتحقق، واختبار جهد على أنظمة الذكاء الاصطıcı التوليدي أثناء انتقالها إلى مرحلة الوكلاء ذوي اتخاذ القرار المستقل.
تتحدى هذه الورقة الافتراض السائد بأن نماذج "خليط الخبراء" (Mixture-of-Experts) تحقق التخصص في المجالات من خلال التوجيه المتفرق، وذلك عبر إثبات وجود "لجنة ثابتة" من الخبراء غير متغيرة المجالات تتعامل باستمرار مع غالبية كتلة التوجيه، مما يكشف عن انحياز هيكلي نحو الحوسبة المركزية قد يعيق كفاءة التدريب.
تُثبت هذه الورقة أن المشفّرات التلقائية المتفرقة (sparse autoencoders) غالباً ما تحدد ارتباطات منخفضة الأبعاد تتزامن فحسب مع الاستدلال بدلاً من كونها آليات استدلال سببية، كما يتضح من إطار عمل للتكذيب يُظهر أن معظم الميزات المرشحة حساسة للغاية للتدخلات على مستوى الرمز (token-level interventions) وتفشل في توجيه سلوكيات الاستدلال بشكل موثوق.
تقدم هذه الورقة البحثية KASER، وهو نهج جديد قائم على التعلم التعزيزي يعمل على مواءمة توليد الأخطاء مع معرفة الطالب لمحاكاة أخطاء برمجية متنوعة ودقيقة بفعالية، متفوقاً بذلك على النماذج المرجعية الحالية في كل من التنبؤ بالأخطاء وتنوع الكود البرمجي في مجموعات البيانات الواقعية.
تقترح هذه الورقة إطار عمل للتدقيق في الحساسية بنظام الصندوق الأبيض للنماذج اللغوية الكبيرة، والذي يستفيد من توجيه التنشيط للتلاعب بالمفاهيم الداخلية، مما يكشف عن اعتماد جوهري على السمات المحمية في مهام اتخاذ القرار عالية المخاطر التي غالباً ما تفشل التقييمات القياسية بنظام الصندوق الأسود في اكتشافها.
تُعد PyHealth 2.0 مجموعة أدوات محسنة مفتوحة المصدر تعمل على دمقرطة أبحاث التعلم العميق السريري من خلال توحيد مجموعات البيانات والنماذج والمهام المتنوعة في إطار عمل واحد عالي الكفاءة يتيح النمذجة التنبؤية في سبعة أسطر من الكود البرمدي فقط، مع تقليل التكاليف الحسابية وحواجز الخبرة في هذا المجال بشكل كبير.
تستنتج هذه الورقة صيغًا دقيقة للاضطرابات ذات الوزن الأدنى في الشبكات العصبية العميقة لوضع حدود نظرية على تغيرات المخرجات، وتطبق هذه النتائج لإثبات أن الضغط منخفض الرتبة يمكنه تفعيل الأبواب الخلفية الكامنة بشكل موثوق مع الحفاظ على دقة النموذج وتحديد عتبات مثبتة لفشل الهجوم.
تقترح هذه الورقة طريقة تعلم آلي قائمة على البنية تستخدم عائلة قابلة للضبط من قوى مصفوفة التباين أو الدقة لتعلم تمثيلات الميزات المثلى للكشف المبكر والتعرف القابل للتفسير على الأحداث الحرجة الناشئة في الأنظمة المعقدة، مثل النوبات الصرعيةية وتآكل العملاء.
تقترح هذه الورقة إطار عمل لتعلم التمثيل السببي المُحلل الذي يفكك تضمينات النموذج إلى عوامل سببية وغير سببية لتقييد التنبؤ بالمكافأة بالإشارات السببية، مما يخفف من الارتباطات الزائفة مثل انحياز الطول والمداهنة لتحسين متانة وأداء التعلم المعزز من التغذية الراجعة البشرية.
تقترح الورقة البحثية إطار عمل LaDi-RL، وهو إطار للتعلم المعزز يستخدم نماذج الانتشار الكامن لتوليد مسارات استدلال مهيكلة، ويستخدم عمليات تدحرج نصية كامنة هرمية لفصل جودة التخطيط الكامن عن أخطاء فك التشفيد النصي، مما يمنع انهيار الإنتروبيا ويتفوق بشكل كبير على التعلم المعزز التقليدي القائم على مستوى الرمز (token-level) في مهام الاستدلال البرمجي والرياضي.