22510 ورقة بحثية
تقدم هذه الورقة QXGB، وهو إطار عمل لتعزيز التدرج القائم على المئينات يستخدم دالة خسارة مُلسنة بالتفاف لتمكين XGBoost من تقدير المئينات الشرطية بدقة، وبناء دوال توزيع تراكمية كثيفة، وتوصيف النتائج المتطرفة مع الحفاظ على الكفاءة الحسابية وتقليل تقاطع المئينات.
تُعد MAPLE إطار عمل جاهز للتشغيل يعمل على تحسين كفاءة نماذج خليط الخبراء (MoE) سابقة التدريب من خلال إعادة تخصيص ميزانيات الخبراء بشكل متباين عبر الطبقات تحليلياً وجينياً بناءً على الحساسية، مما يحقق دقة فائقة وخفضاً كبيراً في زمن الاستجابة دون الحاجة إلى تعديل الأوزان أو إعادة التدريب.
تقدم هذه الورقة SHOPCA، وهي طريقة جديدة لتقليل الأبعاد غير الخاضعة للإشراف تعزز تحليل المكونات الرئيسية (PCA) التقليدي عن طريق تنظيم مصفوفة التباين مع معلومات مؤثر الشكل المتوسط لالتقاط الانحناء، وتتميز بآلية اختيار تلقائية للمعلمات وتُظهر أداءً فائقاً في التجميع مقارنة بـ PCA وUMAP عبر مجموعات بيانات متنوعة من العالم الحقيقي.
تُفند هذه الورقة التوقع بأن معادلة ذات الانفعال الموجب الفيزيائي في التدفقات الخلوية تمتلك سرعة احتراق فعالة، وذلك من خلال إثبات أن الاحتراق المعتمد على الطور يستمر تحت القياس الفيزيائي، مما يمنع التجانس ويكشف أن عدم اليقين المحلي لا يؤدي بالضرورة إلى نسيان الحالات الأولية في اتخاذ القرار المتسلسل القوي.
تقدم هذه الورقة إطاراً إحصائياً لعينة محدودة باستخدام التحليل الطيفي وتباعد كي-تربيع (chi-square divergence) للمصادقة على الرتبة الفعالة لمهايئات LoRA، مما يكشف من خلال تدقيق للنماذج العامة أن رتبها الفعالة المعايرة عادة ما تكون أصغر بكثير من معايير تصميمها الاسمية ومتميزة عن مقاييس استبقاء الطاقة القياسية.
تقترح هذه الورقة منهجية تستخدم الشبكات العصبية العميقة القياسية ذات وحدة الخطية (ReLU) لتوليد فترات تنبؤ للسلاسل الزمنية تكمّم كلاً من التباين المستقبلي وعدم اليقين في التقدير، مدعومة ببراهين نظرية للاتساق وخصائص الخلط بيتا (beta-mixing) في ظل ظروف البيانات المعتمدة.
تُظهر هذه الورقة أن خوارزمية تقليل الندم 1/2-Tsallis-INF يمكنها أيضًا تحديد الذراع الأفضل في النطاقات العشوائية (stochastic bandits) بشكل موثوق دون استكشاف إضافي، محققةً معدل اضمحلال حدودي في احتمال الفشل أُثبت أنه وثيق جوهرياً.
تقدم هذه الورقة إطار عمل للتشخيص ما بعد التدريب ثنائي المحور يميز بين قيود دقة العينات المحدودة وانحيازات المعلمات الموقعة في الشبكات العصبية المقلدة للفيزياء (Inverse-PINNs)، مما يتيح تحديد ما إذا كانت أخطاء إعادة البناء ناتجة عن بروتوكولات الملاحظة، أو ملفات المتبقيات، أو عدم اتساق نقاط نهاية التدريب.
يُعد ExactMoE إطار عمل استنتاجي فعال من حيث استهلاك الذاكرة لنماذج خليط الخبراء (Mixture-of-Experts) بتنسيق W4A16، حيث يقوم بتكميم الخبراء الموجهين فقط ويستخدم ذاكرة تخزين مؤقت للمنافذ (slot cache) مستقرة في وحدة معالجة الرسومات لتحقيق تقليل في ذاكرة وحدة معالجة الرسومات يصل إلى 87% مع الحفاظ على أكثر من 99% من دقة النموذج الأساسي وتحسين الإنتاجية بشكل كبير مقارنة بالتنفيذ المتسلسل.
تؤسس هذه الورقة إطار تعلم PAC للمحاذاة عند وقت الاستدلال تحت مكافآت غير معروفة من خلال تعريف "بُعد محاذاة" جديد يصف قابلية التعلم بشكل كامل، واقتراح خوارزمية قائمة على البطولة باستخدام الرسم البياني أحادي الاحتواء لتحويل سياسة مرجعية ضعيفة إلى متعلم قوي.