24135 ورقة بحثية
تقدم الورقة البحثية إطار عمل GG-PA، وهو إطار عمل لا يتطلب إعادة تدريب يجمع بين نماذج الانتشار المسبقة التدريب والسياق الفيزيائي الصريح عبر عيّن جيبس التوليدي لتحقيق أخذ عينات دقيق تقاربيًا واستعادة انزياحات التوزيع الناجمة عن السياق في الأنظمة العلمية دون الحاجة لإعادة التدريب.
تقدم هذه الورقة شبكات التنبؤ المرتكزة (GPN)، وهي بنية تكرارية أحادية الطبقة تحقق أداءً تنافسياً في نمذجة اللغة من خلال إعادة زيارة متجه حالة واحد عند كل خطوة، مما يقدم بديلاً مستوحىً بيولوجياً للنماذج العميقة المتراكمة مع تمكين الفحص الهندسي المباشر لديناميكيات ذاكرتها الداخلية.
تقدم هذه الورقة DiCoLa، وهو إطار عمل للتفكيك العودي سليم وكامل نظرياً يوسع منهجية "فرق تسد" في الاكتشاف السببي لتشمل الإعدادات ذات المتغيرات الكامنة، مما يحسن الكفاءة الحسابية بشكل كبير مع الحفاظ على الدقة في كل من السيناريوهات الاصطناعية والواقعية.
تقدم هذه الورقة البحثية \texttt{AB-SID-iVAR}، وهي طريقة تعلم نشط قائمة على العمليات الغاوسية تتعلم بفعالية الدوال المجهولة تحت توزيعات بولتزمان ذاتية الاستحثاث من خلال تقريب الهدف المستعصي دون تقدير دالة التجزئة، مما يحقق خطأً تنبؤياً يتلاشى ويتفوق على النهج الحالية في تطبيقات مثل نمذجة سطح طاقة الجهد واكتشاف الأدوية.
تقدم هذه الورقة البحثية BCJR-QAT، وهي استرخاء قابل للتفاضل لتكميم الأوزان المرمزة بـ trellis، يستبدل عملية الـ argmax غير القابلة للتفاضل في خوارزمية Viterbi بخوارزمية BCJR sum-product متحكم بها حرارياً، مما يتيح تدريباً واعياً بالتكميم (quantization-aware training) من طرف إلى طرف يتفوق تجريبياً على حدود التقنيات المتطورة لـ PTQ في النماذج اللغوية الكبيرة (LLMs).
تقدم هذه الورقة نظرية تشكيل عشوائي توضح أن التكيف من الدرجة صفر يمكن أن يقلل من النسيان مقارنة بطرق الدرجة الأولى من خلال الحفاظ على انحناء الاستبقاء المتماثل مع تقليص المكونات غير المتماثلة، مما يؤدي إلى خوارزمية RISE التي تطبق آلية التشكيل المعايرة هذه على التدرجات الدقيقة لتحسين مقايضات الاستقرار واللدونة.
تقدم هذه الورقة إطار عمل تكرار السياسة المزدوج التنعيم (DSPI) لإثبات أن تدرج السياسة الطبيعي هو شكل منمنم ومعدل بدقة لعملية تكرار السياسة، مما يثبت تقاربه الهندسي العالمي الخالي من التوزيع وإنهاءه في زمن محدد للحالات غير المنظمة دون الحاجة إلى تعديلات في عمليات ماركوف لاتخاذ القرار أو خطوات حجم متكيفة.
تقدم هذه الورقة البحثية CAQ-ZO، وهي طريقة تحسين من الدرجة صفر تعمل على مواءمة هندسة الاستعلام مع المكممات غير المنتظمة عبر إجراء اضطرابات في الفضاء الكامن المتحول للقضاء على بقايا تقريب الأطراف وتحسين أداء الضبط الدقيق في النماذج ذات البتات المنخفضة.
تقترح هذه الورقة إطار عمل جديداً لـ "إلغاء التعلم" (machine unlearning) ينقل التركيز من تحديثات المعلمات إلى الاستدلال الدقيق لتوزيع البيانات، مما يضمن نظرياً ويثبت تجريبياً أن النموذج الناتج يقترب بشدة من النموذج المثالي المعاد تدريبه.
تقدم هذه الورقة NASH، وهو إطار عمل جديد لاختيار البيانات يقوم بتفكيك دالات المنفعة المستهدفة إلى مكونات غنية بمعلومات "شابلي" وتجميعها بشكل غير خطي لاختيار مجموعات فرعية من بيانات التدريب عالية الجودة باستمرار وكفاءة، متجاوزاً بذلك قيود طرق "داتا شابلي" القياسية التي غالباً ما لا تؤدي أداءً أفضل من الاختيار العشوائي.