23292 ورقة بحثية
تقدم هذه الورقة البحثية "ضبط التلقين العالمي على مستوى المخطط الفرعي" (SUPT)، وهي طريقة متعددة الاستخدامات تقوم بتعيين سمات التلقين على مستوى المخطط الفرعي للتغلب على قيود السياق في أساليب ضبط تلقين المخططات الحالية، محققةً أداءً فائقاً على الضبط الدقيق في كل من سيناريوهات البيانات الكاملة والبيانات القليلة وبعدد أقل بكثير من المعلمات.
تتقصى هذه الورقة البحثية كيف تؤدي أساليب الموازنة في التصنيف غير المتوازن إلى تضخيم التعدد التنبئي (تأثير راشون) عبر تقديم مقياس جديد يسمى "الغموض" واقتراح مخطط ممتد لربح الأداء لمراقبة المقايضة بين دقة التنبؤ وعدم اليقين في اختيار النموذج بشكل مسؤول.
تستقصي هذه الورقة البحثية التعلم بـ Q الفيدرالي المتزامن في البيئات غير المتجانسة، كاشفةً أنه في حين أن زيادة عدد الوكلاء () تحقق تسارعاً خطياً، فإن إجراء تكرارات محلية متعددة () يؤدي جوهرياً إلى تدهور التقارب إلى معدل ويستحث ديناميكية خطأ ثنائية الطور يمكن تحسينها من خلال اختيار حجم خطوة يعتمد على الطور.
تقدم هذه الورقة البحثية "فقد الأنبوب" (Tube Loss)، وهي دالة فقد مبتكرة لمهام الانحدار تتيح التقدير المتزامن لفترات التنبؤ عالية الجودة مع ضمان التغطية التقاربية، وإمكانية ضبط التموضع لالتقاط مناطق الاحتمالية الأكثر كثافة (لاسيما للتوزيعات الملتوية)، والتحسين الفعال عبر التدرج المنحدر، مما يظهر أداءً فائقاً عبر الآلات النواة، والشبكات العصبية، وأطر التنبؤ المطابق.
يُعد TrainMover بيئة تشغيل مرنة لتدريب نماذج تعلم الآلة واسعة النطاق، حيث يستفيد من الآلات المرنة والاحتياطية عبر ثلاث تقنيات رئيسية لتحقيق أدنى حد من وقت التوقف (حوالي 20 ثانية) وصفر من استهلاك الذاكرة الإضافي أثناء الانقطاعات، مما قد يقلل من ساعات عمل وحدات معالجة الرسومات المهدورة بنسبة 55% مقارنة بالحلول الحالية.
تحدد هذه الورقة القيود الطوبولوجية الضرورية على بنى الرسوم البيانية التي تسمح أو تمنع وجود نظام بعيد المدى في الأنظمة ذات التفاعل المحلي، مبرهنةً كيف تملي تركيبات التفاعل القدرة على التنظيم الذاتي، ومفسرةً قدرات تشكيل الأنماط المتفوقة للأنظمة البيولوجية متعددة المقاييس مقارنة بالنماذج اللغوية البدائية.
تقترح هذه الورقة نهجاً لتشكيل المكافأة شبه الموجه الذي يستفيد من الانتقالات ذات المكافآت غير الصفرية والصفرية من خلال تعزيز البيانات المبتكر لتعلم تمثيلات المسار، مما يتفوق بشكل كبير على النماذج المرجعية الخاضعة للإشراف في بيئات المكافآت الشحيحة مثل ألعاب أتاري والتحكم الروبوتي.
تقدم هذه الورقة مخططات القرار التباينية (VDDs)، وهي بنية رسومية مبتكرة تدمج كفاءة مخططات القرار مع القدرة على التكيف التبايني لتمثيل الحالات الكمومية، مما يثبت قابليتها للتدريب لتقدير الحالة الأرضية دون المعاناة من الهضاب القاحلة.
يُعد TokenButler متنبئاً خفيف الوزن وواعياً بالاستعلام، يقوم بتحديد الرموز (tokens) الحرجة ديناميكياً لإدارة ذاكرة التخزين المؤقت لـ KV بكفاءة عبر تقطير توزيعات الانتباه السببي المقنع، محققاً دقة استرجاع تقارب الدقة المثالية (near-oracle) وخفضاً كبيراً في زمن الاستجابة دون طرد الرموز بشكل دائم.
تقدم هذه الورقة إطار عمل للتحسين ثنائي المستوى ذاتي المعايرة لتدريب الشبكات العصبية، والذي يقلل بفعالية من خطأ المعايرة مع الحفاظ على الدقة، متفوقاً بذلك على الانحدار الرتيب التقليدي في مجموعات بيانات متنوعة.