23700 ورقة بحثية
تقدم هذه الورقة UltraTAG، وهو إطار عمل موحد لتعلم الرسوم البيانية المنسوبة إلى النصوص المعززة بنماذج اللغات الكبيرة (LLM)، وتجسيده القوي UltraTAG-S، الذي يعالج بفعالية ندرة النصوص والحواف في العالم الحقيقي من خلال استراتيجيات الانتشار والتعزيز وإعادة التشكيل القائمة على نماذج اللغات الكبيرة ليتفوق بشكل كبير على النماذج المرجعية الحالية.
تقترح هذه الورقة نهجاً مبتكراً لتقدير عدم اليقين في الرسوم البيانية غير المتجانسة (heterophilic graphs) عبر الاستفادة من نظرية المعلومات لإثبات أن تمثيلات العقد عند أعماق مختلفة توفر معلومات متميزة، مما يؤدي إلى إنشاء مُقدِّر كثافة لاحق (post-hoc density estimator) متطور على فضاء تضمين العقد المشترك يتفوق على الأساليب الحالية في الرسوم البيانية غير المتجانسة مع الحفاظ على الأداء في الرسوم البيانية المتجانسة (homophilic ones).
تقدم الورقة البحثية TrajViT، وهي طريقة لترميز الفيديو المرتكز على الأرض (grounded video tokenization) تستبدل الرقع الزمكانية غير الفعالة بمسارات الأجسام الفرعية البانوبتيكية (panoptic sub-object trajectories) لتقليل التكاليف الحسابية بشكل كبير مع تحقيق أداء متفوق في مهام استرجاع وفهم الفيديو مقارنة بمشفرات ViT3D التقليدية.
تقيم هذه الورقة ناقلات التوجيه للتحكم في خصائص مثل المشاعر والسمية في التلخيص التجريدي، حيث وجدت أنه بينما توفر تحكماً فعالاً، إلا أنها تسبب مخرجات متدهورة عند القوة العالية، مما يجعل النهج الهجين مع التلقين هو الاستراتيجية الأكثر فعالية لتحقيق التوازن بين التحكم والجودة.
تقترح هذه الورقة خوارزميات "بانديت" ثنائية (dueling bandit) عصبية مدركة للتباين، تستفيد من التمثيلات العميقة مع استكشاف ضحل لتحقيق ندم تراكمي دون خطي وأداء تجريبي متفوق في كل من المهام الاصطناعية والواقعية عبر مراعاة عدم اليقين في المقارنة تكيفيًا باستخدام تدرجات الطبقة الأخيرة فقط.
تتقصى هذه الورقة كيفية أداء النماذج المحولة (transformers) للاستدلال المتعدي، كاشفةً أنه في حين أن التعلم عبر الأوزان (in-weights learning) يطور طبيعيًا تمثيلات خطية للتعميم القوي، فإن التعلم داخل السياق (in-context learning) يعتمد عادةً على استراتيجيات النسخ ما لم يتم التدريب مسبقًا على مهام خطية أو الحث صراحةً على بناء خرائط ذهنية خطية، مما يسلط الض heavy الضوء على أن كلاً من أنظمة التدريب وهندسة التمثيلات يحددان بشكل حاسم قدرات الاستدلال العلاقاتي.
تقترح هذه الورقة إطاراً سببياً لنمذجة المكافأة في مجال محاذاة الذكاء الاصطناعي لمعالجة تحديات مثل الخطأ في تحديد المسببات والارتباطات المربكة، مبرهنةً على كيفية قدرة النهج المستوحاة من السببية على تحسين متانة النموذج وتعميمه مقارنة بالأساليب الساذجة.
تقدم هذه الورقة مصنف إشارات ذاتي التعلم لرادارات التشتت المتماسك في نطاق عشرات الأمتار، والذي يبني نموذجاً تلقائياً باستخدام بيانات لمدة عامين من 12 راداراً من رادارات SuperDARN وSECIRA لتحديد 14 فئة يمكن فصلها بثقة بناءً على مزيج من معلمات الرادار المقاسة وخصائص انتشار الموجات الراديوية النموذجية.
تقدم هذه الورقة البحثية تقطير بلاكيت-لوس (PLD)، وهو فقدان ترتيب قائم على القوائم ونظري الاختيار، يفسر لوجيتات المعلم كدرجات استحقاق لتحسين ترتيب واحد أمثل للمعلم بشكل مباشر، مما يلغي الحاجة إلى ضبط أوزان التقطير مع تحقيق مكاسب أداء متسقة عبر مجموعات بيانات وبنيات متنوعة.
تقدم هذه الورقة إطار عمل للتعلم النشط لنموذج انحدار العمليات الغاوسية المتشعب، والذي يعمل على تحسين شبكة عصبية لتقليل الأبعاد ومنظم انحدار في الفضاء الكامن بشكل مشترك لتقليل خطأ التنبؤ العالمي، مما يظهر أداءً متفوقاً على التعلم التسلسلي العشوائي في التعامل مع الدوال المعقدة وعالية الأبعاد.