23700 ورقة بحثية
تقدم هذه الورقة SE-Bench، وهي بيئة تشخيصية تعمل على تعمية مكتبة NumPy لتقييم التطور الذاتي بدقة من خلال عزل استيعاب المعرفة عن المعرفة المسبقة وتعقيد الاستدلال، مما يكشف أن التدريب بنظام الكتاب المغلق واللعب الذاتي أكثر فعالية من التدريب بنظام الكتاب المفتوح أو التعلم المعزز القياسي في دمج المعرفة الجديدة في أوزان النموذج.
تقترح هذه الورقة إطار عمل يعتمد على مطابقة التدفق لتعلم التمثيلات المنفصلة، حيث تصيغ عملية الفصل كتعلم تدفقات مشروطة بالعوامل في فضاء كامن مدمج وتفرض محاذاة دلالية صريحة من خلال منظم عدم التداخل، محققةً أداءً فائقاً في درجات الفصل، والقدرة على التحكم، ودقة العينات مقارنة بالأساليب الحالية القائمة على الانتشار.
تقترح الورقة البحثية CORP، وهي طريقة تقليم هيكلي مغلقة الصيغة وذات خطوة واحدة، تقوم بإزالة مكونات الـ MLP والـ attention في نماذج الـ Transformers باستخدام البيانات غير المصنفة فقط وإعادة البناء الأفيني لتحقيق دقة عالية دون الحاجة إلى إعادة التدريب أو الضبط الدقيق.
توسع هذه الورقة البحثية نطاق محاذاة التفضيلات القائمة على التباعد لتشمل محاذاة النماذج اللغوية الكبيرة العامة من خلال تقديم -GRPO و-HAL، اللذين يستفيدان من تقدير تباعد لتحسين الاستدلال القائم على المكافأة والتخفيف من حدة اختراق المكافأة في محاذاة السلامة.
تضع هذه الورقة حدود الندم المحلي الأمثل لتحسين ثنائي المستوى غير المحدب عبر الإنترنت من خلال اقتراح خوارزميات تكيفية وأحادية الحلقة تحقق أداءً محسناً في كل من الإعدادات القياسية وإعدادات المتوسط النافذي مع تعقيدات تقييم تدرج فعالة.
تقدم هذه الورقة البحثية خوارزمية التعلم المعزز الموجه بالمسافة (DGRL)، وهي خوارزمية مبتكرة تتغلب على لعنة الأبعاد في فضاءات الأفعال المنفصلة الكبيرة (التي تصل إلى فعلًا) من خلال الجمع بين الأحياء الديناميكية المأخوذة بالعينة والتحديثات القائمة على المسافة لتحويل تحسين السياسة إلى مهمة انحدار مستقرة، مما يحقق تحسينات كبيرة في الأداء والتقارب مقارنة بأحدث الأساليب المتبعة.
يُعدُّ ERIS إطار عمل جديد للتعلم الاتحادي يعزز الخصوصية وقابلية التوسع للنماذج ذات المليارات من المعلمات عبر تقديم تقنية "تجميع الأجزاء الاتحادية" لتوزيع التحديثات من جانب العميل عبر عدة مجمّعات، مما يؤدي إلى إزالة الاختناقات المركزية والحد من تسرب المعلومات مع الحفاظ على التقارب وفائدة النموذج دون الاعتماد على التشفير الثقيل.
تُثبت هذه الورقة أن خصائص الإشارات المساعدة مثل كشف النشاط الصوتي، وتصنيف الضوضاء، وتقدير التردد الأساسي يمكن التنبؤ بها بدقة من أقنعة التقليم الديناميكي الداخلية لشبكة تحسين الكلام، مما يلغي الحاجة إلى نماذج منفصلة ويُمكّن المعالجة الفعالة والمحافظة على الخصوصية داخل الأجهزة.
تقترح هذه الورقة خوارزمية من الدرجة الأولى بالكامل لمسائل الأمثلة عبر الإنترنت ذات المستويين غير المحدبة-المحدبة بقوة، والتي تلغي الحاجة إلى حاصل ضرب مصفوفة هسيان في متجه من خلال إعادة صياغة المسألة باستخدام قيود عدم المساواة، محققةً بذلك حدود ندم محسنة ومثبتةً الجدوى من خلال التحليل النظري والتجارب العددية.
تقدم هذه الورقة RelBench v2، وهو معيار ومستودع موسع بشكل كبير للتعلم العميق العلائقي يدمج أربع مجموعات بيانات جديدة واسعة النطاق، ومهام إكمال تلقائي مبتكرة، وتكاملات مع أطر عمل خارجية لتسهيل التقييم المنهجي وإثبات تفوق النماذج العلائقية على النماذج المرجعية أحادية الجدول.