24235 ورقة بحثية
تقدم هذه الورقة نموذج العالم RLA، الذي يستفيد من تمثيل "الفعل الكامن المتبقي" (Residual Latent Action) المبتكر المستخلص من بقايا DINO والمُتنبأ به عبر مطابقة التدفق (flow matching) لتحقيق تنبؤ عالي الدقة وفعالية في الميزات المرئية، وتمكين تعلم الروبوتات المتقدم من مقاطع الفيديو غير المتصلة (offline) دون تفاعل مباشر أو مكافآت مصممة يدويًا.
تقترح هذه الورقة إطار عمل ثنائي المحاور يميز بين صلة المهمة والقابلية للاستبدال المحلي، مبرهنةً على أن قدرة القناة على أن تُستبدل بنظيراتها (القابلية للاستبدال المحلي) هي مؤشر أكثر موثوقية لنجاح عملية التقليم من مساهمتها المباشرة في المهمة.
تتحدى هذه الورقة البحثية مفهوم "ضريبة الترجمة" الموحدة في معايير القياس من الإنجليزية إلى الصينية من خلال إثبات أن تضخم الدرجات ليس تأثيراً قياسياً، بل هو ظاهرة معقدة تعتمد على العناصر وتدفعها مخاطر صلاحية محددة وتفاعلات بين عائلات النماذج، وتقترح في نهاية المطوي بروتوكولاً جديداً للتطبيع وقائمة مراجعة للإبلاقات لمعالجة هذه القضايا الدقيقة.
تثبت هذه الورقة أن أي بنية لشبكة عصبية أمامية ثابتة يمكن تعريفها ضمن بنية (o-minimal) تمتلك تعقيد عينة منتهٍ في نموذج (agnostic PAC)، مما يبرهن على أن القابلية للتعلم المستقل عن التوزيع هي نتيجة جوهرية للتعريفات الرياضية المهذبة وليست خاصية فريدة لوظائف تنشيط أو بنيات محددة.
تقدم هذه الورقة CarCrashNet، وهو معيار مفتوح المصدر واسع النطاق يضم أكثر من 14,000 محاكاة لاصطدام على مستوى المكونات و825 محاكاة لاصطدام للمركبة كاملة، إلى جانب CrashSolver، وهو حل عصبي هرمي مصمم لتمكين التنبؤ الهيكلي بالاصطدامات القائم على البيانات والمدعوم بالذكاء الاصطناعي والبحث القابل لإعادة الإنتاج في سلامة المركبات.
تحدد هذه الورقة معدلات التقارب شبه المؤكد لخوارزميات التقريب العشوائي والتعلم التعزيزي ذات التحديثات المتوقعة الانكماشية تحت ضوضاء ماركوفية، وذلك عبر تقديم بناء مبتكر لانسياق ليابونوف يجمع بين تصحيحات معادلة بواسون وتنعيم غلاف مورو، محققاً معدلات قريبة بشكل تعسفي من لمعدلات التعلم ذات القوة و لمعدلات التعلم التوافقية.
تقدم هذه الورقة "حقول التصنيف"، وهي إطار عمل لتعلم هياكل عنقودية هرمية ذات عمق لانهائي من أمثلة محدودة عبر استنتاج قواعد محلية للانتقال من الأب إلى الابن في عملية الصقل، وتثبت أن هذه القواعد يمكن تقريبها بفعالية بواسطة الشبكات العصبية لتوليد تسلسلات هرمية عميقة ومتسقة هندسياً.
تثبت هذه الورقة أن مصنفات لوجستيك النواة المنتظمة يمكنها تحقيق تعميم الرموز الجديدة في المهام القائمة على القوالب من خلال تفكيك المتنبئ المتعلم إلى قاعدة مثالية على مستوى القالب واضطراب ناتج عن تداخل الرموز، مما يثبت أن الحفاظ على هوامش التصنيف يعتمد على هندسة هذه التصادمات بدلاً من مجرد حجم المفردات.
تقدم هذه الورقة أول إطار نظري يثبت أن توليد سلسلة الأفكار (Chain-of-Thought) في نماذج المحولات الخطية (linear Transformers) يكافئ تعلم فرق التوقيت (temporal difference learning)، مما يثبت أنه يدفع نحو التقارب الهندسي لخطأ تقييم السياسة مع ظهوره كأدنى قيمة عالمية لخسارة ما قبل التدريب.
تقترح الورقة البحثية إطار عمل RRCM، وهو إطار عمل قائم على التصنيف يُمكّن أنظمة التوصية القائمة على النماذج اللغوية الكبيرة من استرجاع والاستدلال ديناميكيًا على ذكريات التعاون والبيانات الوصفية عبر واجهات لغة طبيعية، مع تحسين قرارات الاسترجاع مباشرةً من خلال تحسين السياسة النسبية للمجموعات للتغلب على اختناقات كفاءة السياق وتحسين جودة التوصية.