23609 ورقة بحثية
تقدم هذه الورقة شبكة ELM، وهي بنية تستخدم عصبونات معقدة ومعبرة لتوضيح أنه في ظل ميزانية محددة للمعلمات، ينشأ الأداء الأمثل من مقايضة غير بديهية بين عدد الوحدات، وتعقيد كل منها، والترابط، مما يتحدى النهج الافتراضي في تعلم الآلة القائم على استخدام وحدات بسيطة.
تقدم هذه الورقة HölderPO، وهو إطار عمل لتعظيم السياسة المعممة يعمل على ضبط معامل متوسط هولدر ديناميكيًا لموازنة تركيز التدرج واستقرار التباين، مما يحل قيود التجميع الثابت في تحسين السياسة النسبية للمجموعات (GRPO) ويحقق أداءً هو الأفضل في فئته على الاختبارات المرجعية الرياضية والموجهة نحو المهام.
تحدد هذه الورقة مشكلة "اللوجيتس القديمة المفقودة" (missing old logits) الحرجة في التعلم التعزيزي الوكيل غير المتزامن التي تعطل دلالات التصحيح خارج السياسة، وتقترح ثلاث استراتيجيات دقيقة وطريقة تقريبية لاستعادة أو تقريب هذه القيم، وتوضح أن نهج PPO-EWMA المنقح يحسن بشكل كبير من سرعة التدريب وأداء التحسين.
تقدم هذه الورقة إطار عمل للتحسين البايزي القائم على وجود الإنسان في الحلقة، والذي يستفيد من المقارنات الزوجية لاستخلاص المعرفة الضمنية للخبراء، مستخدماً دالة استحواذ على قيمة المعلومات مراعية للتكلفة للموازنة ديناميكياً بين الملاحظات المباشرة واستعلامات الخبراء لتحسين كفاءة العينات.
تقترح هذه الورقة تصميم التجربة شبه الأمثل (QOED)، وهو هدف معلوماتي تكيفي يعزز استكشاف الروبوت من خلال تحديد اتجاهات المعلمات القابلة للملاحظة وتثبيط التأثيرات المزعجة، مما يحسن بشكل كبير من كفاءة البيانات وأداء السياسة في كل من المهام المحاكية والواقعية.
تقترح هذه الورقة دالة فقدان معززة بالدرجة (score-augmented) تدمج معلومات التدرج الدقيقة لتحسين كفاءة وجودة البدائل الاحتمالية العصبية (neural likelihood surrogates) للنماذج العملياتية العشوائية المهيكلة بشكل كبير، محققةً أداء استدلال يضاهي زيادة قدرها عشرة أضعاف في بيانات التدريب مع تكلفة حوسبية إضافية ضئيلة.
تُعد STRUM خط أنابيب هجين متعدد المراحل لتحويل الصوت إلى مخططات، يقوم بتحويل التسجيلات الموسيقية الخام إلى مخططات ألعاب إيقاعية قابلة للعب للطبول، والجيتار، والباص، والغناء، والآلات المفتاحية دون الحاجة إلى بيانات وصفية، محققاً أداءً قوياً في اختبار معياري منسق من خلال كواشف ومصنفات عصبية متخصصة.
تقدم هذه الورقة PrivacySIM، وهي مجموعة تقييم تقارن تسعة من النماذج اللغوية الكبيرة الرائدة مقابل 1,000 استجابة لمستخدمين حقيقيين لتوضيح أنه بينما يحسن التكييف مع الشخصية (persona conditioning) من دقة المحاكاة، إلا أن النماذج الحالية لا تزال تواجه صعوبة في إعادة إنتاج قرارات الخصوصية الفردية بأمانة، لا سيما بالنسبة للمستخدمين ذوي الخبرة العالية في الذكاء الاصطناعي والمخاوف المنخفضة المعلنة بشأن الخصوصية.
تقترح هذه الورقة وتقيم نهجاً جديداً يستخدم النماذج التوليدية الاحتمالية لتقدير توزيعات مصادر النيوترونات من قوائم جسيمات مونت كارلو، مما يتيح أخذ عينات فعالة ومستقلة عن الذاكرة بمجرد تدريب النماذج.
تقدم هذه الورقة تحليلاً نظرياً وأدلة تجريبية تثبت أن دمج البيانات منخفضة الدقة في مجموعات التدريب يحسن باستمرار أداء النماذج في المهام عالية الدقة، لا سيما في المجالات محدودة الموارد حيث تندر البيانات عالية الدقة.