23609 ورقة بحثية
تقدم هذه الورقة تقنية "تقطير السياسة التبايني" (VPD)، وهو إطار عمل يتغلب على قيود التقطير الذاتي السلبي بين المعلم والطالب من خلال تطوير السياسات كليهما بشكل مشترك عبر عملية "توقع-تعظيم" تباينية، مما يتيح تحسيناً مستمراً في استخراج الإشارات القابلة للتنفيذ من التغذية الراجعة اللغوية لتعزيز الأداء في مهام الاستدلال المعقد وتوليد الكود.
تحلل هذه الورقة البحثية الانحياز في استقراء معدلات فشل نماذج تعلم الآلة من مجموعات تقييم محدودة، وتحدد الظروف التي تندرج تحتها مثل هذه التوقعات لتقلل من تقدير المخاطر، وتقترح هدف ضبط دقيق يعتمد على "خسارة القدرة على التوقع" يقلل بشكل كبير من خطأ التوقع مع الحفاظ على أداء المهمة والسلامة.
تقدم هذه الورقة RoSHAP، وهو إطار توزيعي يستفيد من إعادة أخذ العينات بطريقة البوتستراب (bootstrap resampling) والتبعية الغاوسية التقاربية (asymptotic Gaussianity) لإنشاء مقياس قوي لعزو الميزات، مما يؤدي إلى تحسين استقرار وقابلية تفسير نماذج تعلم الآلة من خلال تحديد الميزات التي تكون نشطة وقوية وموثوقة باستمرار عبر تقسيمات البيانات وتكوينات النماذج المتنوعة.
تقدم الورقة البحثية إطار عمل SDAR، وهو إطار عمل مبتكر يدمج التقطير الذاتي المعتمد على السياسة (On-Policy Self-Distillation) كهدف مساعد محكوم ببوابة (gated auxiliary objective) في التعلم التعزيزي لتوفير توجيه كثيف ومستقر على مستوى الرمز (token-level) للمهام الوكيلية طويلة الأمد، متفوقاً بشكل كبير على التعلم التعزيزي القياسي والأساليب الهجينة البدائية عبر عدة معايير ونطاقات نماذج.
تقدم الورقة البحثية MeMo، وهو إطار عمل معياري يقوم بترميز المعرفة الجديدة في نموذج ذاكرة مخصص لتمكين التكامل القائم على مبدأ "التوصيل والتشغيل" مع النماذج اللغوية الكبيرة المجمدة، مما يوفر استرجاعاً قوياً للمعلومات المعقدة عبر المستندات دون حدوث نسيان كارثي أو اعتماد على أوزان النموذج.
تقدم هذه الورقة إطار عمل للمحاذاة متعدد الوسائط المعزز بالاسترجاع، والذي يعيد بناء جداول زمنية سريرية دقيقة من خلال دمج السرديات غير المهيكلة الغنية دلاليًا ولكنها غامضة زمنيًا مع بيانات السجلات الصحية الإلكترونية الدقيقة هيكليًا ولكنها غير مكتملة، مما يحسن بشكل كبير من دقة الطوابع الزمنية ويستوعب الأحداث التي فاتتها السجلات الجدولية وحدها.
تقدم هذه الورقة البحثية "تشابه التنسور" (tensor similarity)، وهو مقياس قائم على الأوزان وثابت تجاه تناظرات فضاء الأوزان، يتحقق بكفاءة من التكافؤ الوظيفي العالمي بين الشبكات العصبية القائمة على التنسور، مما يحول التفسير الآلي من تقريب تجريبي إلى مسأًلة جبرية محلولة.
تقدم الورقة البحثية FutureSim، وهو معيار مرجعي يعيد تشغيل أحداث من العالم الحقيقي تسلسلياً لتقييم قدرة الوكلاء الاصطناعيين على التنبؤ بالأحداث المستقبلية والتكيف عبر آفاق زمنية طويلة، مما يكشف عن فجوات كبيرة في الأداء بين النماذج الرائدة ويسلط الضوء على الحاجة إلى تحسين قدرات التكيف أثناء وقت الاختبار، والذاكرة، والاستدلال.
تتقصى هذه الورقة البحثية ظاهرة النسيان الكارثي في التكيف منخفض الرتبة (LoRA) عبر توظيف نموذج انتباه ذاتي بمتوسط المجال لتحديد التحولات الطورية بين سلوكيات النسيان وعدم النسيان بناءً على معايير الاضطراب وعمق نموذج المحول (Transformer)، مع التحقق من هذه النتائج النظرية من خلال تجارب على نماذج حقيقية.
تقترح هذه الورقة وتقيم طريقتين مبتكرتين، وهما إسقاط مستشعر الإدخال (ISensD) والمجمع المستشعر غير المتغير (ESensI)، حيث تثبت من خلال تجارب على ثلاث مجموعات بيانات للمراقبة الأرضية أن النماذج متعددة المستشعرات القائمة على التجميع وتقنيات إسقاط المستشعرات تعزز بشكل كبير من قوة التنبؤ ضد فقدان بيانات المستشعرات.