23609 ورقة بحثية
تضع هذه الورقة أول حدود لمخاطر المجتمع لشبكات كولموغوروف-أرنولد المدربة عبر خوارزمية (DP-SGD) ذات الدفعات الصغيرة مع ضوضاء مترابطة، متجاوزةً التحديات التقنية في التحسين غير المحدب لتقديم ضمانات تعميم أكثر حدة تعكس سيناريوهات التدريب العملية بشكل أفضل من تحليلات الدفعة الكاملة أو الضوضاء المستقلة السابقة.
تقدم هذه الورقة إطار عمل "التقطير داخل السياسة متعدد المخرجات" (MOPD)، وهو إطار يعزز تدريب النماذج اللغوية الكبيرة من خلال الاستفادة من مخرجات الأقران الناجحة والفاشلة معاً لبناء إشارات معلم غنية ومتكيفة مع الحالة، مما يؤدي إلى تفوقه على الطرق القياسية التي تعامل كل مخرج بشكل مستقل.
تقدم الورقة البحثية FPILOT، وهو إطار عمل لتحسين الاستدلال في وقت التشغيل عبر الملحقات، والذي يعمل على تعزيز وكلاء التداول القائمين على التعلم التعزيزي مسبق التدريب من خلال تحسين تخصيص المحافظ ديناميكياً عند كل خطوة قرار باستخدام مسارات الأسعار المتوقعة، مما يؤدي باستمرار إلى تحسين العوائد والمقاييس المعدلة حسب المخاطر دون الحاجة إلى إعادة تدريب النموذج.
تقدم هذه الورقة scShapeBench، وهو عبارة عن مجموعة بيانات وإطار تقييم للكشف الآلي عن الأشكال في بيانات تسلسل الحمض النووي الريبي أحادي الخلية عالية الأبعاد، إلى جانب طريقة أساسية تسمى scReebTower تستفيد من هندسة الانتشار للتفوق على الأدوات الحالية في تحديد الهياكل الطوبولوجية الكامنة مثل العناقيد، والمسارات، والنماذج الأصلية.
تقدم هذه الورقة خوارزمية تعلم لوسيط يسعى لتعظيم الربح في تجارة ثنائية ضد خصم سلس، تحقق حداً وثيقاً للندم بمقدار من خلال الاستفادة من استمرارية الحالات السلسة وبناء شبكة هرمية، مما يسد فجوة الأداء بين الإعدادات العشوائية والإعدادات الخصومية الكاملة.
تقترح هذه الورقة طريقتين جديدتين للتنبؤ المطابق عبر الإنترنت تستفيدان من التحسين عبر الإنترنت لتوليد مجموعات تنبؤ صالحة ومتداخلة بدقة في آن واحد عبر نطاق من مستويات التغطية، مما يؤدي إلى تحسين الكفاءة الإحصائية والقدرة على التكيف مع تفاوت مستويات تحمل المخاطر في الإعدادات المتسلسلة.
تقدم هذه الورقة البحثية GTF-DEER، وهو إطار عمل تدريبي جديد متوازي في الزمن يتغلب على قيود التكرار الخطي في نماذج فضاء الحالة لتمكين إعادة بناء مستقرة وفعالة للأنظمة الديناميكية غير الخطية من تسلسلات طويلة للغاية، مما يثبت أن الوصول إلى مسارات طويلة يحسن بشكل كبير دقة النمذجة للأنظمة ذات المقاييس الزمنية الطويلة.
تقدم هذه الورقة البحثية UFO، وهو إطار عمل للمشغل العصبي يحقق فك الارتباط في التجزئة والتعميم القوي عبر معايير قياسية متنوعة من خلال تمكين التفاعلات التكيفية وعبر المجالات بين تمثيلات دالية متميزة دون الحاجة إلى توحيد المجال.
تقدم هذه الورقة إطار عمل "اتساق التفسير المضاد للواقع" (CEC)، المصمم للكشف عن "التحيز الإجرائي الخفي" في نماذج قرارات الائتمان والتخفيف من حدته، وذلك من خلال ضمان حصول الأفراد ذوي النتائج المتشابهة على تفسيرات متسقة، وهو بُعد حاسم من أبعاد العدالة الذي تغفله المقاييس القياسية القائمة على النتائج.
تُثبت هذه الورقة أن دمج بيانات القدرة المستهدفة أثناء مرحلة ما قبل التدريب ("التعرض المبكر") يعزز بشكل كبير من متانة النموذج ضد النسيان أثناء عملية الضبط الدقيق اللاحقة، مما يشير إلى أن استراتيجيات التدريب الاستباقية في المراحل العليا أكثر فعالية من التدخلات اللاحقة في المراحل النهائية للحفاظ على القدرات المكتسبة.