23700 ورقة بحثية
تتحدى هذه الورقة المفهوم القائل بأن "الضبط الدقيق الخاضع للإشراف (SFT) يحفظ، بينما التعلم المعزز (RL) يعمم" من خلال إثبات، عبر تحليلات نقطة التحقق والتحليل الطيفي، أن الضبط الدقيق الخاضع للإشراف غالبًا ما يسبب نسيانًا للبيانات خارج التوزيع، وهو ما يتم استعادته لاحقًا بواسطة التعلم المعزز، وهي عملية استعادة مرتبطة بدوران المتجهات المنفردة وليس بتغيرات في القيم المنفردة.
تقدم الورقة البحثية إطار عمل "الحوسبة كمعلم" (CaT)، الذي يحول عمليات التوليد المتوازية أثناء وقت الاستدلال إلى إشراف خالٍ من المراجع عبر تجميع المراجع الزائفة والمعايير المقترحة ذاتياً، مما يمكّن النماذج من تحقيق مكاسب أداء كبيرة في المجالات القابلة للتحقق وغير القابلة للتحقق دون الاعتماد على الملصقات البشرية.
تقترح هذه الورقة إطار تعلم متعامد ثنائي المراحل يجمع بين الشبكات العصبية الرسومية ونموذج يعتمد على الانتباه قابل للتفسير لتقدير الآثار السببية المباشرة والتبادلية غير المتجانسة على الشبكات بمتانة، مع توفير تقدير دقيق لعدم اليقين.
تضع هذه الورقة حدوداً موحدة للندم ذي الاحتمالية العالية للتحسين الكهفي عبر الإنترنت من الدرجة الصفرية مع خسائر لـ -ليبتشيتز وتنظيم -باستخدام أخذ عينات مقياس المخروط، مما يثبت المثالية لـ مع تحديد فجوة جوهرية لـ .
تقدم GreenLightningAI (GLAI) كتلة معمارية مبتكرة تفصل بين المعرفة الهيكلية والكمية من خلال تثبيت أنماط التنشيط المستقرة لتحسين الأوزان العددية فقط، مما يؤدي إلى تسريع التدريب بنسبة 40% تقريبًا مع الحفاظ على الدقة أو تحسينها مقارنة بالشبكات العصبية متعددة الطبقات (MLPs) التقليدية.
تقدم هذه الورقة إطار عمل جديداً قائماً على النموذج يسمى "الذاكرة التكيفية" (Adaptive Memory)، والذي يضبط معامل الزخم ديناميكياً أثناء التدريب من خلال تقريب دالة الهدف باستخدام مستويين، مما يظهر أداءً فائقاً على المحسنات القياسية مثل SGD وAdamW عبر مهام متنوعة دون الحاجة إلى ضبط إضافي للمعلمات الفائقة.
تُعد NEO طريقةً للتكيف عند وقت الاختبار (Test-Time Adaptation) خالية من المعلمات الفائقة (hyperparameter-free) وفعالة حاسوبياً، تعمل على تحسين متانة النموذج ومعايرته في ظل تغير التوزيعات من خلال إعادة تمركز تمثيلات البيانات المستهدفة عند الأصل، محققةً دقةً فائقة عبر مجموعات بيانات وأجهزة متعددة مع حد أدنى من العبء الحسابي.
تقدم هذه الورقة إطار عمل للانتشار ذاتي الانحدار معزز بالتحكم، يستفيد من متحكم مُدرب مسبقاً (offline) لحقن تصحيحات خطوة بخطوة أثناء عملية إزالة الضجيج، مما يحسن بشكل كبير سرعة واستقرار ودقة استيعاب البيانات للمعادلات التفاضلية الجزئية ذات الطابع الزماني المكاني الفوضوي مقارنة بالنماذج المرجعية القائمة على الانتشار الحالية.
تقدم هذه الورقة طريقة لتجميع الرسوم البيانية الطيفية بخصوصية تفاضلية تستخدم آلية خلط المصفوفات لتحقيق ضمانات خصوصية متلاشية ومعدلات خطأ في التصنيف تبلغ ، مما يتفوق بشكل كبير على النماذج المرجعية الحالية لـ PCA الخاصة مع توفير إطار عمل موحد لتحليل الخطأ وخوارزمية خاصة لتقدير عدد المجتمعات.
تقدم الورقة البحثية SurpMark، وهو كاشف قوي للصندوق الأسود للنصوص المولدة بواسطة النماذج اللغوية الكبيرة (LLM)، يستفيد من ديناميكيات مفاجأة الرموز (token surprisal) ومقياس تباعد جينسن-شانون المعمم للتمييز بفعالية بين الكتابة البشرية والآلية دون الحاجة إلى الوصول إلى النموذج المصدر.