24235 ورقة بحثية
تقدم الورقة البحثية CUTS-GPR، وهي طريقة مبتكرة تتيح انحدار العملية الغاوسية دقيق عددياً وقابلاً للتوسع للشبكات غير المكتملة عالية الأبعاد من خلال الاستفادة من نواة تراكمية لتحقيق توسع قريب من الخطي مع حجم البيانات وتوسع متعدد الحدود مع الأبعاد، مما يسهل النمذجة البايزية للأنظمة المعقدة مثل أسطح طاقة الجهد.
تقدم هذه الورقة البحثية GraphDPO، وهو تعميم مبدئي لأسلوب التحسين المباشر للتفضيلات (Direct Preference Optimization) يستفيد من رسوم بيانية كاملة للتفضيلات ناتجة عن عمليات محاكاة متعددة لفرض خاصية التعدي وتجميع الإشراف، وبذلك يتغلب على قيود الطرق الثنائية ويحقق أداءً فائقاً في مهام الاستنتاج وتوليد البرامج.
يعالج محول البايت الكامن (BLT) عقبة البطء في التوليد لنماذج اللغة على مستوى البايت من خلال تقديم ثلاثة متغيرات مبتكرة — وهي BLT-Diffusion وBLT-Self-speculation وBLT-Diffusion+Verification — التي تستفيد من تقنيات التوليد المتوازي وفك التشفير التخميني لتقليل زمن انتقال الاستدلال وتكاليف عرض نطاق الذاكرة بشكل كبير مع الحفاظ على جودة عالية.
تقترح الورقة البحثية إطار عمل GRAPHLCP، وهو إطار تنبؤ تلاؤمي محلي مدرك للبنية للشبكات العصبية الرسومية يدمج طوبولوجيا الرسم البياني والارتباطات بين العقد عبر التكثيف المدرك للميزات ونوى مستندة إلى خوارزمية "بيرسونالايزد بيج رانك" (Personalized PageRank) لتحقيق تقدير كمي لعدم اليقين بكفاءة وضمانات العينات المحدودة مع تحسين التغطية الشرطية.
تقدم هذه الورقة "ألعاب التحكم بالذكاء الاصطناعي" (AI-Control Games)، وهي إطار عمل رسمي للعبة عشوائية جزئية الملاحظة متعددة الأهداف، تُنمذج تمارين اختبار الاختراق (red-teaming) لتقييم وتوليد بروتوكولات السلامة المثلى لنشر أنظمة الذاء الاصطناعي غير الموثوقة رياضياً، مما يُظهر فعالية محسنة مقارنة بالطرق التجريبية في سيناريوهات مثل المساعدة في البرمجة.
تقدم هذه المساهمة نهجاً لمحاذاة المعلومات يعتمد على التحسين المحدب والقابل للتوسع، والذي يستفيد من مصفوفة معلومات فيشر لاختيار بيانات تدريب دنيا وعالية الجودة للتنبؤ بدقة بالكميات محل الاهتمام، مما يعالج ندرة البيانات وعدم إمكانية تحديد المعلمات في تطبيقات النمذجة العلمية والتعلم النشط المتنوعة.
تقدم هذه الورقة نموذجاً تأسيسياً قائماً على الشبكات العصبية الرسومية تم تدريبه مسبقاً على 120 مليون حدث من أحداث فيزياء الطاقة العالية المحاكات، والذي يحسن بشكل كبير دقة وكفاءة تصنيف الأحداث عبر مهام وأطر محاكاة متنوعة عند ضبطه بدقة، مع الكشف عن أن مكاسب الأداء تنبع من تطوير مسارات تمرير رسائل جديدة مع الحفاظ على المشفرات العامة.
تقدم هذه الورقة البحثية "Mono-Forward"، وهي خوارزمية تعلم محلي تستبدل هدف جودة التباين في خوارزمية "Forward-Forward" بخسارة الإنتروبيا المتقاطعة القياسية، مما يثبت أن هذا التعديل لا يحسن الدقة فحسب مقارنة بخوارزمية "Forward-Forward" الأصلية، بل يحقق أيضاً أداءً تنافسياً أو متفوقاً على الانتشار العكسي (backpropagation) مع تقليل عبء الذاكرة بشكل كبير.
تقدم هذه المقالة مكافئاً حتمياً جديداً لدالة النقطتين للمؤثرات المقلوبة (resolvents) للمصفوفات العشوائية لإنشاء إطار عمل موحد لتحليل أداء مختلف النماذج الخطية عالية الأبعاد المدربة باستخدام التدرج الاشتقاقي العشوائي.
تقترح هذه المقالة طريقة تعلم آلي قابلة للتوسع، حيث تقوم نماذج المحولات (Transformer) التي تتدرب على التنبؤ بالتباديل في مجموعات متماثلة أصغر (مثل ) باستخدام استراتيجيات تبديل محددة، بالتعميم بدقة تقارب الكمال على مجموعات أكبر بكثير (مثل )، وذلك عبر توظيف تقنيات مثل تعزيز الهوية والنوافذ المجزأة لمعالجة تحديات توليد البيانات والقابلية للتفسير.