23609 ورقة بحثية
تقدم هذه الورقة "مقاييس التتابع التبديلية" (switching successor measures) وخوارزمية FB -Switch لتمكين التعلم المعزز الهرمي من نوع "الصفر استباقي" (zero-shot) لدوال المكافأة العامة دون الاعتماد على تجريدات زمنية ثابتة، أو أهداف فرعية مصممة يدويًا، أو إشراف إضافي.
تقترح الورقة البحثية "تحسين السياسة المجمعة للميزة المعممة" (GAGPO)، وهي طريقة للتعلم التعزيزي خالية من الناقد، تتيح تخصيص الائتمان الزمني بدقة ومحاذاة الخطوات في وكلاء النماذج اللغوية متعددة الجولات، وذلك عبر بناء بدائل قيم مجمعة غير معلمية من عينات المسارات، مما يؤدي إلى التفوق على النماذج المرجعية الحالية في بيئات مثل ALFWorld وWebShop.
تقدم هذه الورقة إطار عمل لخزعة سائلة متعددة الوسائط مدفوعاً بالتعلم الآلي يدمج بين مطيافية الأشعة تحت الحمراء بتحويل فوريه (FTIR)، ومطيافية رامان، ومطيافية الفلورة بانتشار الانبعاث المستحث (EEM) لتحقيق كشف مبكر عالي الدقة وخالٍ من الوسم لسرطاني الثدي والقولون مع درجات ROC-AUC بلغت 0.997 و0.994 على التوالي.
تقترح هذه الورقة إطار عمل للذكاء الاصطناحي الوكيل يجمع بين النماذج اللغوية الكبيرة واستدلال سلسلة الأفكار لصياغة وحل مشكلة توجيه الطائرات بدون طيار وجدولة مهام الحوسبة الحافية المتنقلة المقترنة في التصنيع السحابي، وذلك باستخدام نهج التعلم التعزيزي العميق الهرمي الذي يحقق معدلات تقارب المثالية في جمع المنتجات والالتزام بالمواعيد النهائية.
تُثبت هذه الورقة البحثية، من خلال تجارب مستفيضة، أن خلط البيانات المساعدة عالية الموارد أثناء التدريب المسبق ثنائي اللغة يتفوق بشكل كبير على الضبط المكثف للمعلمات الفائقة لنماذج اللغات منخفضة الموارد، مما يقدم مكاسب في الأداء تعادل أضعافاً متعددة للبيانات الفريدة للغة المستهدفة، مع الكشف في الوقت ذاته عن أن فقدان التحقق للغة المستهدفة يقلل بشكل منهجي من تقدير هذه الفوائد.
تقدم هذه الورقة إطار تعميم موحد للشبكات العصبية المستنيرة بالفيزياء (PINNs) ونظيراتها التباينية (VPINNs) يستخدم تحليل تايلور وتحليل كوبمان لاستخلاص حدود دون افتراضات تقييدية، مما يكشف كيف تتعمم الشبكات عالية الرتبة بشكل جيد بينما تزيد لاخطية المؤثرات التفاضلية خطأ التعميم بشكل أسي.
تقدم الورقة البحثية Chem-GMNet، وهو محول هندسي جديد أصيل كروي الشكل يستبدل وحدات المحولات القياسية بنظائر كروية لتحقيق أداء رائد في التنبؤ بخصائص الجزيئات على معايير MoleculeNet، متفوقاً في كثير من الأحيان على النماذج الضخمة سابقة التدريب القائمة على SMILES وبعدد أقل بكثير من المعلمات ودون الحاجة لتدريب مسبق.
يُعد LightSplit إطار عمل عملي للتعلم المنقسم يحافظ على الخصوصية، حيث يستخدم عمليات إسقاط عشوائية متعامدة وثابتة وخفيفة الوزن عند طبقة القطع لتقليل عبء الاتصالات بنسبة تصل إلى 32 ضعفاً وتقليل هجمات إعادة البناء من خلال العمل كعنق زجاجة للمعلومات، كل ذلك مع الحفاظ على أكثر من 95% من دقة النموذج الأساسي دون الحاجة إلى مكونات إضافية قابلة للتدريب على أجهزة العميل.
تقترح هذه الورقة إطار عمل معلوماتي نظري لا يتطلب تدريباً لعملية التوليد المعزز بالاسترجاع متعدد الوسائط، حيث يختار الأدلة المرئية بناءً على فائدتها (كسب المعلومات) بدلاً من التشابه الدلالي، محققاً أداءً استدلالياً متفوقاً وكفاءة حوسبية عالية عبر معايير قياسية متعددة.
تقدم هذه الورقة بنية شبكة عصبية مبتكرة تتعلم بمتانة مخططات الأفعال المرفوعة وتستنتج وسائط الأفعال غير المرصودة من آثار الحالة المرصودة بالكامل، لتكون بمثابة مكون قابل للتفاضل لنماذج التخطيط العصبي الرمزي.