22507 ورقة بحثية
تقدم هذه الورقة "مجموعات فيبوناتشي" (Fibonacci Ensembles)، وهو إطار عمل جديد للتعلم التجميعي مستوحى من متتالية فيبوناتشي، يستخدم أوزان فيبوناتشي المعيرة وديناميكية تكرارية من الدرجة الثانية لتحقيق تقليل منهجي للتباين وتعزيز العمق التمثيلي، مما يظهر أداءً تنافسياً ضد طرق التجميع الكلاسيكية في تجارب الانحدار المنضبطة.
تقترح هذه الورقة إطار عمل جديداً ثلاثي المراحل يستخدم نماذج لغوية كبيرة مضبوطة بدقة لتوليد واسترجاع وإعادة ترتيب المفاهيم الخاطئة المحتملة لدى الطلاب من حوارات التدريس، مما يثبت أن هذا النهج يتفوق على النماذج المرجعية والأنظمة الأكبر مغلقة المصدر في تحديد الأخطاء التعليمية بدقة.
تقترح هذه الورقة طريقة تدرب بشكل مشترك سياسة تعلم تعزيزي متعدد المهام ومثبتاً للرموز باستخدام آلات المكافأة العصبية لتمكين الوكلاء من اتباع تعليمات المنطق الزمني الخطي في بيئات غير رمزية دون معرفة مسبقة برسم الخرائط من الرمز إلى الملاحظة، محققةً بذلك تعميماً صفرياً يتفوق على النهج الحالية.
تقترح هذه الورقة إطارًا مفاهيميًا للتخطيط لعملية ماركوف لاتخاذ القرار الحلقية باعتبارها استدلالًا بايزيًا على السياسات، حيث تعمل السياسة كمتغير كامن ويحدد العائد المتوقع التوزيع اللاحق، مما يقدم بديلًا متميزًا للنهجات المتمحورة حول المسار أو المُنظمة بالإنتروبيا، مع إثبات فعاليتها من خلال طرق مونت كارلو التسلسلية التباينية عبر بيئات مختلفة.
تقدم هذه الورقة نظام قياس قائم على التصميم يجمع بين المعاينة الاحتمالية بمساعدة تعلم الآلة وتصنيف النماذج اللغوية الكبيرة لتقدير انتشار المحتوى المنتهك للسياسات بكفاءة ودقة عبر مختلف شرائح المستخدمين مع الحفاظ على عدم التحيز الإحصائي وفعالية التكلفة.
تكشف هذه الورقة أن أنظمة الذكاء الاصطناعي الطرفية الرائدة من NVIDIA القائمة على بنية GB10 تفتقر إلى واجهات الأجهزة الأساسية لتخصيص استهلاك الطاقة لكل عملية، مما يخلق فجوة مراقبة حرجة لأعباء عمل الذكاء الاصطناعي الوكيل ويستلزم معايير جديدة وحلولاً مؤقتة لتمكين المحاسبة الدقيقة للطاقة.
تُثبت هذه الورقة أن دمج مصنف مساعد (BERT+GCN) لتوفير إشارات عدم يقين مهيكلة يحسن بشكل كبير من كفاءة واستدعاء عملية فحص المراجعات المنهجية بمساعدة النماذج اللغوية الكبيرة، مما يحدد استراتيجية مثالية (Pareto-optimal) توجه فقط حالات "ربما" إلى النموذج اللغوي الكبير، بينما يكشف في الوقت ذاته عن افتقار النماذج الحالية المضبوطة بالتعليمات للقدرة على فرز قراراتها ذاتياً.
تقدم هذه الورقة بنية "تمرير الرسائل الهودجي الريماني" (RHMP)، وهي بنية عصبية تفصل قوانين الحفظ الطوبولوجية عن المقاييس الهندسية القابلة للتعلم لتحقيق التكافؤ مع إطار السلسلة المتصلة (cochain-frame equivariance)، والتحقق من الهويات التفاضلية المنفصلة الدقيقة، والأداء المتفوق عبر مختلف معايير المجالات الفيزيائية.
تقترح هذه الورقة آلية مبدئية للتحكم في التواصل في التعلم التعزيزي متعدد الوكلاء، حيث يتبادل الوكلاء المعلومات فقط عندما يتجاوز تباعد كولباك - ليبلر بين توزيعات الاعتقاد الخاصة بهم عتبة معينة، مما يثبت أن هذا النهج يحسن معدلات النجاح ويقلل التباين في اختبارات "المفترس والطريدة" الصعبة، مع تعزيز التمثيلات الكامنة للتنسيق في الوقت ذاته حتى بدون التحكم النشط في البوابة.
تقدم هذه الورقة البحثية تدريب "التمرير الأمامي فقط" (FPO)، وهو أسلوب لتكييف النطاق للنماذج اللغوية الكبيرة يحقق إنتاجية أعلى بكثير واستهلاكاً أقل للذاكرة من خلال تطبيق إشارة خطأ واحدة لطبقة المخرجات مباشرة على الطبقات المستهدفة دون الحاجة إلى الانتشار العكسي، مع الحفاظ على أداء مماثل للضبط الدقيق القياسي في كل من اختبارات النطاق الداخلي والنطاق الخارجي.