24235 ورقة بحثية
تقدم الورقة البحثية FMPlug، وهو إطار عمل إضافي يعزز نماذج مطابقة التدفق التأسيسية للمشكلات العكسية من خلال الجمع بين استراتيجيات بدء التشغيل الدافئ الموجهة بالنماذج المحددة وبين تنظيم غاوسي، مما يطلق العنان لإمكاناتها كأدوات سابقة عالمية عملية وعالية الأداء.
تقترح هذه الورقة إطار عمل غير مقيد بنوع المتنبئ يستخدم معادلة تفاضلية عصبية محكومة كمصحح للحد من تراكم الخطأ في التنبؤ بالسلاسل الزمنية متعدد الخطوات، مما يوفر ضمانات نظرية وأداءً محسناً عبر نماذج متنوعة مستمرة ومتقطعة على بيانات ذات عينات غير منتظمة.
تقدم الورقة البحثية آلية "الانتباه الخطي للتدفق الدقيق" (EFLA)، وهي آلية فعالة من حيث المعلمات تستبدل التجزئة الإقليدية لقاعدة دلتا في الانتباه الخطي بحل مغلق دقيق مستمد من ديناميكيات الزمن المستمر، مما يؤدي إلى تحسين الاستقرار والأداء دون التضحية بالكفاءة الحسابية.
تقترح الورقة البحثية نموذج DT-PBO، وهو نموذج بديل قائم على الأشجار وقابل للتفسير لعملية التحسين البايزي التفضلي (Preferential Bayesian Optimization)، والذي يحقق أداءً تنافسياً ومتانة مع توفير رؤى شفافة حول تفضيلات صانع القرار، مما يعالج قيود التفسير في النهج التقليدية القائمة على العمليات الغاوسية (Gaussian Process).
تقترح هذه الورقة طريقة ترميز قائمة على مرشح بلوم (Bloom filter) تقوم بتحويل أنواع البيانات المتنوعة إلى مصفوفات بت ثابتة الطول ومدمجة لتقليل استخدام الذاكرة وتعمية القيم الأصلية، مما يثبت أن نماذج تعلم الآلة المدربة على هذه التمثيلات تحقق أداءً مقارباً لتلك التي تستخدم البيانات الخام أو تقنيات تقليل الأبعاد القياسية.
تجادل هذه الورقة بأن استدلال "سلسلة الأفكور" (Chain-of-Thought) يمكن أن يكون أميناً حتى بدون التعبير اللفظي الصريح عن التلميحات المحقونة في المطالبة، مما يتحدى مقياس "الميزات المنحازة" (Biasing Features) لخلطه بين عدم الاكتمال وعدم الأمانة، ويدعو إلى مجموعة أدوات تفسيرية أوسع تتضمن تحليل الوساطة السببية.
يُعد SWaRL إطار عمل قوي للحفاظ على دقة العلامات المائية للأكواد البرمجية، حيث يستفيد من التعلم التعزيزي مع التغذية الراجعة للمترجم (compiler feedback) ومتحقق سري لدمج تواقيع قابلة للتحقق في الأكواد التي تولدها النماذج اللغوية الكبيرة (LLM)، مما يضمن دقة كشف قوية ومرونة ضد الهجمات مع الحفاظ على الصحة الوظيفية.
تقدم هذه الورقة البحثية "الزمن المُعاد تمثيله التكيفي" (ART) ومتغير التعلم التعزيزي الخاص به (ART-RL)، وهو منهج مبني على أسس علمية لتحسين جداول الخطوات الزمنية لنماذج الانتشار من خلال تقليل خطأ التجزئة، مما يحسن جودة العينات بشكل كبير عبر مختلف مجموعات البيانات والميزانيات دون تكاليف إضافية عند الاستدلال.
تقدم هذه الورقة "قوانين القياس العصبية العصبية" (NeuNeu)، وهو نهج قائم على الشبكات العصبية يتفوق على النماذج البارامترية التقليدية من خلال صياغة التنبؤ بأداء المهام اللاحقة كمسألة استكمال خارجي للسلاسل الزمنية، محققاً معدلات خطأ أقل بكثير وقدرة على التعميم في حالة الصفر (zero-shot generalization) عبر مختلف عائلات النماذج والمهام.
تقترح هذه الورقة البحثية خوارزمية R-GTD، وهي خوارزمية تعلم فرق زمني متدرج مُنظَّم تضمن التقارب نحو حل فريد وتوفر حدود خطأ صريحة حتى عندما تكون مصفوفة التفاعل الميزاتي مفردة، متجاوزةً بذلك قيود الطرق الحالية التي تعتمد على افتراضات عدم الانفراد.