23511 ورقة بحثية
تقدم هذه الورقة مقياسين كميين جديدين، وهما مسافة البائع المتجول للملاحظات وإنتروبيا الملاحظة، لتحليل ومقارنة خصائص الاستكشاف لدوال الاستحواذ في التحسين البايزي، مما يكشف عن الروابط بين الاستكشاف والأداء مع توفير أساس لتصميمها القائم على المبادئ.
تتقصى هذه الورقة نجاح طرق التحسين البايزي البسيطة في الإعدادات عالية الأبعاد من خلال تحديد تلاشي التدرجات من تهيئة العمليات الغاوسية كعامل فشل رئيسي، وتوضيح أن تقدير الاحتمال الأقصى لمقاييس الطول يكفي لتحقيق أداء يضاهي أحدث التقنيات، واقتراح متغير بسيط لـ MSR يحقق نتائج متفوقة في التطبيقات الواقعية.
تقدم هذه الورقة البحثية TFM-Tokenizer، وهو إطار عمل مبتكر ومستقل عن النموذج، يتعلم مفردات من الأنماط الزمنية-الترددية من إشارات تخطيط كهربائية الدماغ (EEG) أحادية القناة لتوليد رموز منفصلة، مما يحسن بشكل كبير من الدقة، والقدرة على التعميم عبر النماذج التأسيسية المتنوعة، والقابلية للتوسع لتشمل الأجهزة غير القياسية مثل تخطيط كهربائية الدماغ عبر الأذن (ear-EEG).
تقدم هذه الورقة Pro-DG، وهو مسار عمل جديد لـ ControlNet يستفيد من القواعد الإجرائية الهرمية لتوليد واجهات معمارية واقعية للغاية مع تعديلات هيكلية دقيقة، مثل تكرار الطوابق وإعادة ترتيب النوافذ، مع الحفاظ على دقة المظهر المحلي والهوية المعمارية.
تقدم هذه الورقة "صعود الرفع المزدوج" (Dual Ascent Diffusion)، وهو إطار تحسين صعود مزدوج مبتكر يستفيد من مسبقات نماذج الانتشار لحل المشكلات العكسية غير محددة الحل بجودة صورة فائقة، ومتانة تجاه الضجيج، وسرعة، ودقة في الملاحظة مقارنة بالطرق الحالية المتطورة.
يُعدّ BitrajDiff إطار عمل جديد لتعزيز البيانات في التعلم المعزز غير المتصل، حيث يستخدم نماذج الانتشار ثنائية الاتجاه لتوليد مسارات مستقبلية وماضية من حالات وسيطة، مما يتغلب على انحياز توزيع مجموعة البيانات ويعزز قدرة السياسة على التعميم من خلال استكشاف أنماط سلوكية متنوعة.
تقدم هذه الورقة إطار عمل موحداً للتعلم التعزيزي يعيد تعريف الأفعال كتوزيعات معلمية لإنشاء فضاء أفعال مستمر، مما يتيح مقدراً للتدرج منخفض التباين وخوارزمية ممثل-ناقد (DA-AC) فعالة تحقق أداءً تنافسياً عبر مهام التحكم المنفصلة والمستمرة والهجينة.
تقدم هذه الورقة طريقة غير خاضعة للإشراف تسمى تقليل مسافة الجوار (NDM)، والتي تنجح في تفكيك فضاءات تمثيل النماذج العصبية إلى فضاءات فرعية قابلة للتفسير وغير محاذية للقواعد، تتوافق مع مفاهيم مجردة ومتغيرات دوائر متميزة، كما هو موضح من خلال التحليل النوعي والتجارب الكمية على نماذج GPT-2 ونماذج بمقياس 2B.
تقدم الورقة البحثية MD-PNOP، وهو إطار عمل للمؤثرات العصبية القائمة على إعادة صياغة المعادلات، والذي يعمل على تسريع حلول المعادلات التفاضلية الجزئية باستخدام نماذج مدربة مسبقاً كتقديرات أولية محسنة لتحقيق خفض في وقت الحساب بنسبة 50% تقريباً مع تمكين الاستقراء بأقل قدر من البيانات والحفاظ الصارم على القيود الفيزيائية.
تكشف هذه الورقة أنه في حين أن ضغط ذاكرة التخزين المؤقت لـ KV يحسن من معدل الإنتاجية، إلا أنه يمكن أن يؤدي إلى تدهور الأداء بشكل حاد في سيناريوهات التعليمات المتعددة عن طريق التسبب في تجاهل تعليمات محددة وتسرب مطالبات النظام، ولكنها تقترح تعديلات بسيطة على سياسة الاستبعاد للتخفيف من هذه المشكلات.