23700 ورقة بحثية
تقدم هذه الورقة أخذ عينات الشرائح المتداخلة (NSS)، وهي صيغة مُسرعة بواسطة وحدة معالجة الرسومات ومُتجهة لـ "أخذ العينات المتداخل" (Nested Sampling) تستفيد من أخذ عينات الشرائح بطريقة "الضرب والهروب" (Hit-and-Run) وقاعدة عرض شرائح محسنة للتعامل بكفاءة مع مشكلات الاستدلال البايزي المعقدة ومتعددة الأنماط، مع الحفاظ على تقديرات دقيقة للدليل وعينات التوزيع اللاحق.
تكشف هذه الورقة أن الإسناد القائم على التدرج في نماذج المحولات يخطئ بشكل منهجي في تحديد الأهمية السببية عبر المبالغة في تقدير مكونات الطبقات المبكرة الفائضة عن الحاجة ("تضخم التدرج") والتقليل من شأن المكونات الحرجة في الطبقات المتأخرة ("الأبطال الخفيون")، مما يستلزم التحقق السببي لتجنب التفسيرات الآلية الخاطئة.
تتناول هذه الورقة تدهور أداء الحلول القائمة على الانتشار في المسائل العكسية البايزية الناتج عن القياسات الملوثة بالقيم المتطرفة، وذلك عبر اقتراح طريقة لنمذجة عينات الانتشار اللاحقة تتسم بالمتانة، والتي ثبت نظرياً استقرارها للمسائل الخطية، وأثبتت فعاليتها تجريبياً في كل من المهام الخطية وغير الخطية.
تقدم الورقة البحثية نموذج MEG-XL، وهو نموذج لتحويل إشارات الدماغ إلى نص يستفيد من التدريب المسبق للسياقات الطويلة باستخدام 2.5 دقيقة من بيانات MEG لكل عينة لتحقيق تعميم كفء في استخدام البيانات وأداء فائق في فك تشفير الكلمات مقارنة بالطرق الحالية، مما يفيد بشكل خاص التطبيقات السريرية حيث لا تتوفر بيانات تدريب واسعة النطاق.
تقدم هذه الورقة MathlibLemma، وهو مسار مؤتمت يعتمد على النماذج اللغوية الكبيرة لاكتشاف وصياغة لِمات "الفلكلور" المفقودة لتوسيع مكتبة Lean Mathlib، مع إنشاء معيار شامل يتضمن أكثر من 4,000 عبارة رياضية مُحققة للنهوض بالرياضيات المساعدة للذكاء الاصطناعي.
تقدم هذه الورقة نماذج بديلة قائمة على النواة مع إجراء تقدير فعال يعتمد على التدرج لالتقاط التفاعلات غير الخطية للمهام بدقة من أجل عزو المهام بشكل قابل للتوسع، مما يتفوق بشكل كبير على البدائل الخطية ودوال التأثير في الارتباط مع الحقيقة الأرضية وأداء اختيار البيانات اللاحق.
تقدم هذه الورقة نماذج المفاهيم الاتحادية (F-CMs)، وهي إطار عمل مبتكر يتيح تدريب نماذج التعلم العميق القابلة للتفسير عبر المؤسسات الموزعة من خلال تجميع المعلومات على مستوى المفهوم وتكييف البنية ديناميكياً مع مجموعات الإشراف المتطورة مع الحفاظ على خصوصية البيانات.
تتناول هذه الورقة البحثية القصور في معايير قياس أدوات حل المسائل العكسية القائمة على الانتشار التي تركز فقط على دقة إعادة البناء، وذلك من خلال تقديم دراسة منهجية لدقة التوزيع اللاحق واقتراح مقياس لا يعتمد على الحقيقة الأرضية، وهو تباين كيرنل شتاين القائم على الدرجة (score-KSD)، لتقييم مدى قدرة العينات المولدة على محاكاة توزيع التوزيع اللاحق المستهدف في كل من المحاكاة المنضبطة والمسائل العكسية الواقعية.
تقدم هذه الورقة البحثية Agent-Omit، وهو إطار تدريب موحد يعزز كفاءة وكلاء النماذج اللغوية الكبيرة (LLM) من خلال تمكينهم من حذف الأفكار والملاحظات الزائدة بشكل تكيفي عبر الضبط الدقيق للبداية الباردة والتعلم التعزيزي المدرك للحذف، محققاً توازناً فائقاً بين الفعالية والكفاءة عبر معايير قياس متعددة.
تقدم هذه الورقة طريقة التحكم الاصطناعي المستهدف (TSC)، وهي مُقدِّر مرن ذو مرحلتين يعمل على تحسين أوزان التحكم الاصطناعي الأولية من خلال تحديث إزالة الانحياز المستهدف لإنتاج تقديرات مضادة مستقرة ومحدبة تتفوق باستمرار على الأساليب الحالية المتطورة في الدقة.