23503 ورقة بحثية
تقترح هذه الورقة "فسيفساء الأنماط" (MoMos)، وهي طريقة لتقييد المعلمات تعمل على تقليل التعقيد الخوارزمي للشبكات العصبية من خلال تنظيم الأوزان في كتل قابلة لإعادة الاستخدام، مما يؤدي إلى تحفيز القابلية للضغط أثناء التدريب مع الحفاظ على أداء النموذج.
تضع هذه الورقة أول حدود لتعقيد الندم وتعقيد العينة لخوارزمية Q-learning التقليدية عبر الإنترنت في عمليات ماركوف لاتخاذ القرار (MDPs) ذات الأفق اللانهائي والخصم، حيث تُثبت أنه بينما يعتمد أداء استكشاف بولتزمان بشكل حاسم على فجوات عدم المثالية، فإن مخطط -Greedy المُنعم المقترح يحقق ضمانات قريبة من المثالية ومستقرة تجاه الفجوات من خلال الاستفادة من حد تركيز جديد عالي الاحتمالية للتقريب العشوائي غير متجانس زمنياً.
تقترح هذه الورقة خوارزمية جديدة تخفف بشكل كبير من قيود الدقة على الاستكشاف غير المرتبط بالمكافأة في عمليات ماركوف لاتخاذ القرار الحلقية، وتضع حداً أدنى وثيقاً للاستكشاف الخالي من المكافأة، مما يغلق الفجوة بين الحدود العليا والدنيا المعروفة.
تقدم هذه الورقة البحثية آلية "التجزئة متعددة المجسات خالية التصادم" (MPZCH)، وهي آلية فهرسة مبتكرة تستفيد من الفحص الخطي، والموترات المساعدة، ونواة كودا (CUDA kernels) للقضاء على تصادمات التضمين وضمان حداثة الميزات في أنظمة التوصية واسعة النطاق مع الحفاظ على كفاءة مستوى الإنتاج.
تقدم الورقة البحثية SGNO، وهو مؤثر عصبي ذاتي الانحدار مهيكل يستخدم عموداً فقرياً طيفياً محكوماً بالربح ومسار تصحيح متعلم ذو قيم مركبة لتقليل تراكم الخطأ بشكل كبير وتحسين دقة التنبؤ طويل المدى لمعادلات التفاضلية الجزئية ذات التطور الدوري مقارنة بالنماذج المرجعية الحالية.
تقدم هذه الورقة مقياس تفاوت استقرار التفسير متعدد الفئات (MESD)، وهو مقياس حساس للمخاطر يحدد كمياً تفاوتات العدالة الإجرائية عبر المجموعات الفرعية التقاطعية من خلال دمج التجميع المدرك للتسميات، والانكماش التجريبي-بايزي، وتوزين القيمة المتوقعة المشروطة (CVaR)، وتبرهن على فعاليته ضمن إطار تحسين متعدد الأهداف (UEF) للكشف عن قضايا العدالة غير المرئية للمقاييس التقليدية الموجهة نحو النتائج.
تقدم هذه الورقة تقييم قابلية التكرار الوكيل (ARA)، وهو إطار عمل مدعوم بالذكاء الاصطناعي يصيغ تقييم قابلية التكرار كمسألة استدلال مهيكلة لاستخراج وتقييم رسوم بيانية لسير العمل العلمي، مما يظهر دقة متفوقة على المعايير المرجعية الحالية لتمكين مراجعة الأقران من الجيل التالي القابلة للتوسع.
تقدم هذه الورقة AgentStop، وهو مشرف خفيف الوزن يتنبأ بمسارات وكلاء الذكاء الاصطناğı المحلية الفاشلة ويوقفها استباقيًا باستخدام إشارات منخفضة التكلفة، مما يقلل من الطاقة المهدرة بنسبة 15-20% على الأجهزة الاستهلاكية مع تأثير ضئيل على أداء المهام.
تقدم الورقة البحثية TeamTR، وهو إطار عمل للضبط الدقيق القائم على منطقة الثقة (trust-region) يعمل على التخفيف من حدة انزياحات الإشغال المتراكمة في أنظمة النماذج اللغوية الكبيرة متعددة الوكلاء، وذلك عبر إعادة أخذ عينات المسارات بعد كل تحديث، مما يحقق تحسينات صارمة في الأداء وتنسيقًا فائقًا مقارنة بالنماذج المرجعية التسلسلية.
تقدم هذه الورقة نهجاً للتصميم المشترك بين الأجهزة والبرمجيات باستخدام وحدات الذاكرة ثنائية الاستقرار المتكررة (BMRUs) للتغلب على حواجز تراكم الضجيج، مما يتيح شبكات عصبية متكررة تماثلية قابلة للتوسع ومنخفضة الطاقة للغاية لتطبيقات الذكاء الاصطنا-التي تعمل باستمرار، والتي تحقق استدلالاً بقدرة أقل من الميكروواط مع توافق عالٍ الدقة بين الدائرة والبرمجيات.