23609 ورقة بحثية
تتناول هذه الورقة مسألة الملاحظات المفقودة في مجموعات البيانات السلوكية الواقعية التي يمكن أن تضلل التعلم المعزز العكسي (IRL) من خلال اقتراح خوارزمية لقياس الحد الأدنى من الاضطرابات المطلوبة لجعل أفعال الخبراء تبدو مثالية، مما يساعد في تحديد الفجوات المحتملة في البيانات في تطبيقات مثل الرعاية الصحية.
تقدم هذه الورقة البحثية "التوطين العشوائي المنفصل" (DSL)، وهو إطار عمل ذو حالة مستمرة مع تضمينات رموز على كرة الوحدة يُمكّن شبكة واحدة مدربة من دعم مسارات أخذ عينات متنوعة — بما في ذلك الانتشار المقنع، والترتيب التلقائي العشوائي، والاستراتيجيات الهجينة المستمرة-المنفصلة — مما يحسن بشكل كبير من دقة التوزيع في التوليد غير التلقائي دون الحاجة إلى تقطير أو إعادة تدريب.
تقدم هذه الورقة البحثية دمج النماذج البايزي (BMM)، وهو إطار عمل للتحسين ثنائي المستوى بنظام "التوصيل والتشغيل" يجمع بين المرتكزات القوية والتحسين البايزي لدمج نماذج متعددة خاصة بمهام معينة في نموذج واحد عالي الأداء بكفاءة، وذلك دون الحاجة إلى إعادة تدريب مشترك أو بيانات إضافية.
تقدم هذه الورقة مفهوم "انهيار الشخصية النموذجية" لتفسير سوء المحاذاة الناشئ، مُبرهنةً من خلال مقاييس سلوكية للقابلية الأخلاقية والمتانة على أن الضبط الدقيق للنماذج اللغوية الكبيرة على بيانات ضارة يؤدي إلى تدهور شديد في قدرتها على التمييز والمحاكاة المتسقة للشخصيات، وهو تأثير لم يُلاحظ في مجموعات الضبط الآمنة المتطابقة.
تقترح هذه الورقة "محاذي الأنماط تحت المجمّع" (SMA)، وهو إطار عمل للتعلم متعدد الأنماط قائم على المجموعات يستفيد من المعلومات المتبادلة تحت المجمّعة للتغلب على ندرة البيانات عبر التقاط هياكل هندسية أكثر ثراءً عبر الأنماط، مما يحقق تعميماً قوياً لصفر المحاولات بعدد عينات تدريب أقل بعدة مراتب من النهج الزوجي القياسي.
تحدد هذه الورقة وتصيغ "التصادم الوصفي"، وهو نمط فشل تم التغاضي عنه سابقاً في قابلية تفسير المشفّرات ذات التناثر الذاتي، حيث تشترك ميزات متميزة في تفسيرات لغوية طبيعية متطابقة، وتقترح مقاييس جديدة لمعاقبة مثل هذه التوصيفات غير التمييزية التي تضخم بشكل مصطنع مستويات القابلية للتفسير المُبلغ عنها.
تقترح الورقة البحثية إطار عمل "التوجيه من أجل الكشف" (Steer-to-Detect - S2D)، وهو إطار عمل ثنائي المراحل يعزز الكشف عن النصوص المولدة بواسطة النماذج اللغوية الكبيرة (LLM) عبر تعلم وحقن ناقلات توجيه في الحالات الخفية لنموذج مراقب مجمد لتحسين الفصل بين الفئات، مدعوماً بضمانات خطأ نظرية وأداء تجريبي قوي عبر سيناريوهات متنوعة.
تقدم الورقة البحثية إطار عمل RISED، وهو إطار شامل لسلامة ما قبل النشر يقيم أنظمة الذكاء الاصطناعي السريري عبر خمسة أبعاد هي: الموثوقية، والشمولية، والحساسية، والعدالة، وقابلية النشر، وذلك للكشف عن الإخفاقات الحرجة التي تغفل عنها مقاييس الدقة الإجمالية وضمان نشر قوي وعادل وممكن تشغيلياً.
تقترح هذه الورقة إطاراً موحداً للتصميم التجريبي المتسلسل القوي في اختبارات (A/B) يحافظ على كفاءة العينة ويضع حدوداً لأسوأ حالات متوسط مربع الخطأ حتى في ظل عدم دقة النموذج، وهو ما تم التحقق من صحته من خلال كل من التحليل النظري والنتائج التجريبية على البيانات الاصطناعية والواقعية.
يُعد VIP-COP إطار عمل لتحسين السياق، وهو سريع ومراعٍ للميزانية وصندوق أسود، يعمل على تعزيز النماذج التأسيسية للبيانات الجدولية من خلال الاختيار الصريح لأمثلة وميزات التدريب ذات القيمة العالية عبر انحدار يعتمد على تقنية KernelSHAP عبر الإنترنت، مما يؤدي إلى تحسين أداء التنبؤ والمتانة ضد الضجيج دون الحاجة إلى تدرجات النموذج.