23641 ورقة بحثية
تقدم هذه الورقة "معيار محاذاة المهام" (TAB) لتقييم قدرة الوكلاء الطرفيين على اتباع التعليمات البيئية ذات الصلة بشكل انتقائي مع تجاهل المشتتات، مما يكشف أن الوكلاء الرائدين الحاليين يعانون في التمييز بينهما وأن آليات الدفاع الحالية غالبًا ما تقمع الإشارات الضارة والضرورية على حد سواء.
تُوصّف هذه الورقة تعلم السياسة المثلى تحت قيود الميزانية والتغطية المشتركة باعتباره مسألة من نوع مسألة الحقيبة القابلة للحل عبر قاعدة عتبة تآلفية، مبرهنةً على أن خوارزمية "الجشع-لاغرانج" تحقق أداءً قريبًا من الأمثل بينما يظل نهج "الترتيب والقطع" فعالًا باستثناء الحالات التي يتفاعل فيها تباين التكلفة مع قيود التغطية الملزمة.
تُصوّر هذه الورقة ظاهرة الاستنتاجات المتباينة من ملاحظات متطابقة بوصفها قضية بنيوية تتعلق بعدم قابلية تحديد النموذج العالمي (world-model non-identifiability) الناجمة عن اختلاف ملفات الاستدلال وانحيازات التعلم، بدلاً من كونها عيباً في العقلانية أو حسن النية.
تقدم هذه الورقة "درجة عدسة التعليمات" (InsLen)، وهي أداة جاهزة للاستخدام للكشف عن هلوسة الكائنات في النماذج اللغوية الكبيرة متعددة الوسائط، والتي تستفيد من تضمينات رموز التعليمات لتتفوق على الأساليب الحالية دون الحاجة إلى نماذج مساعدة أو تدريب إضافي.
تقدم هذه الورقة نماذج عمليات ماركوف لاتخاذ القرار ذات البيانات المفقودة (missingness-MDPs)، وهي فئة فرعية جديدة من عمليات ماركوف لاتخاذ القرار بملكية جزئية (POMDPs) التي تُنمذج عدم قابلية ملاحظة سمات الحالة من خلال نظرية البيانات المفقودة، وتقترح خوارزميات التعلم الاحتمالي بأداء قريب من الأمثل (PAC) لتعلم دالة الفقدان الكامنة من بيانات المسار لاستخلاص سياسات مثالية بمقدار إبسيلون (-optimal).
تقدم هذه الورقة البحثية \textsc{Hyper-DFS}، وهو إطار عمل لاختيار الميزات الديناميكي قائم على الشبكة الفائقة (hypernetwork) يقوم بتوليد معاملات مصنف خاصة بالمجموعات الفرعية باستخدام ترميز محول المجموعات (Set Transformer) لتحقيق تعقيد هيكلي أقل، وأداء متفوق على مجموعات بيانات متنوعة، وقدرة قوية على التعميم في حالة الصفر (zero-shot generalization) مقارنة بالأساليب الحالية المتطورة.
تقدم هذه الورقة نموذجاً حوسبياً يستخدم خوارزميات تعزيز التدرج وقيم شابلي للتنبؤ بصعوبة المفردات الإنجليزية للمتعلمين من خلفيات إسبانية وألمانية وصينية، مما يكشف أنه بينما تسود الألفة مع الكلمات عالمياً، فإن تأثير الانتقال الإملائي يختلف بشكل كبير اعتماداً على اللغة الأم للمتعلم.
يُعد PriorZero إطار عمل موحداً يسد الفجوة بين المعارف المسبقة الساكنة للنماذج اللغوية الكبيرة والنماذج العالمية الديناميكية من خلال حقن توجيه النموذج اللغوي الكبير حصرياً عند جذر بحث مونت كارلو في الأشجار من أجل استكشاف مركز، وفصل تدريب النموذج العالمي عن تكيف النموذج اللغوي الكبير لتمكين تخصيص ائتمان مستقر ودقيق، مما يعزز بشكل كبير كفاءة وأداء اتخاذ القرار في المهام طويلة الأمد.
تُثبت هذه الورقة أن تصور عدم اليقين المكاني في سير عمل التوسيم المدعوم بالذكاء الاصطناعي يوجه انتباه البشر بفعالية نحو التنبؤات غير الموضعة بدقة، مما يؤدي إلى تسميات عالية الجودة وسرعات مراجعة أعلى مقارنة بالطرق القياسية.
تقدم هذه الورقة TipPFN، وهو إطار عمل للتعلم في السياق يستفيد من شبكة ملائمة للبيانات المسبقة تم تدريبها على سيناريوهات تشعب اصطناعية متنوعة للتنبؤ بقوة بالانتقالات الحرجة في الأنظمة الديناميكية، متفوقاً بذلك على المؤشرات التقليدية ومصنفات التعلم العميق في كل من الإعدادات المحاكية والواقعية مع بيانات محدودة.