24235 ورقة بحثية
تحل هذه الورقة البحثية السؤال المفتوح حول ما إذا كانت نماذج المحولات (transformers) ذات الطبقة الواحدة قادرة على حساب مهمة التكافؤ (PARTY) من خلال إثبات عدم قدرتها على ذلك بسبب قيود الحساسية، بينما تقدم في الوقت ذاته بناءً عملياً لمحول مكون من أربع طبقات يحل مهمة التكافؤ دون الاعتماد على افتراضات غير عملية كانت ضرورية سابقاً مثل الترميز الموضعي المعتمد على الطول أو الـ hardmax.
تقدم الورقة البحثية HyQuRP، وهو إطار عمل لشبكة عصبية هجينة بين الكمي والكلاسيكي يحقق التكافؤ الدوراني والتبادلي في آن واحد، مما يظهر كفاءة أعلى في البيانات ودقة متفوقة على النماذج الكلاسيكية والكمية المرجعية في مهام تصنيف السحب النقطية ثلاثية الأبعاد المتفرقة.
تقدم هذه الورقة طريقة خالية من التدريب وفعالة حاسوبياً تستفيد من الديناميكيات القائمة على التدفق والناجمة عن درجات عدم المطابقة لتوليد توزيعات تنبؤية مطابقة، مما يتيح التكميم الفعال لعدم اليقين وأخذ العينات في فضاءات المخرقات الهيكلية عالية الأبعاد.
تقدم هذه الورقة نظرية التعلم الهيكلي (StrLT)، التي تعالج تحدي اكتشاف السياقات غير المستقرة من خلال تعريف "العرض" باعتباره الحد الأدنى لعدد الخلايا الانكماشية اللازمة لتغطية مسألة ما، وتوضيح وجود مرحلة انتقالية حيث تسبب الخلايا غير الكافية خطأً غير قابل للاختزال، واقتراح عامل التشابه الانكماشي والمقلاع المتري لتقدير هذا العرض بكفاءة وتقليل تكاليف التعلم في البيئات مفتوحة النهايات.
تُثبت هذه الورقة أن مطابقة التدفق (flow matching) على البيانات المتسلسلة تعمل بفعالية كنظام ديناميكي غير معلمي ومعزز بالذاكرة يعيد تشغيل الانتقالات الملحوظة عبر مزيج من السرعات اللحظية الموزونة بالتشابه، مما يؤدي إلى تطوير FreeFM، وهو عيّن (sampler) خالٍ من التدريب يحقق تنبؤاً احتمالياً قوياً مباشرة من البيانات التاريخية.
يحقق المذيب التوليدي الكامن (LGS) محاكاة فيزيائية مستقرة وقابلة للتعميم على المدى الطويل عبر اثنتي عشرة عائلة مختلفة من المعادلات التفاضلية الجزئية، وذلك من خلال الجمع بين متشعب كامن مشترك، ومحول مطابقة تدفق مع التكييف الذاتي وضجيج المدخلات، مما يجعله يتفوق بشكل كبير على النماذج الأساسية الحتمية في دقة الخطوات المتعددة مع تقليل التكاليف الحسابية بشكل جذري.
تقدم هذه الورقة البحثية إطار عمل "باركور الهيومانويد الإدراكي" (PHP)، وهو إطار عمل معياري يجمع بين مطابقة الحركة لتوليف المهارات والتعلم التعزيزي القائم على الإدراك لتمكين الروبوتات البشرية من تنفيذ مهام باركور معقدة وطويلة الأمد في بيئات واقعية ذات قدرة على التكيف الديناميكي.
تقدم الورقة البحثية إطار عمل MARVL، وهو إطار توجيه متعدد المراحل يعمل على الضبط الدقيق لنماذج الرؤية واللغة من أجل تحقيق الاتساق المكاني والدلالي لتوليد مكافآت كثيفة تلقائياً، مما يحسن بشكل كبير من كفاءة العينات والمتانة في مهام التعلم التعزيزي للروبوتات مقارنة بالطرق الحالية.
يُعد Autolearn إطار عمل غير خاضع للإشراف يُمكّن النماذج اللغوية من التعلم ذاتياً من المقاطع ذات المفاجأة العالية عبر التحقق منها من خلال سلاسل أسئلة وأجوبة مُولدة ذاتياً وتعديل ديناميكيات التدريب، وهي عملية تُثبط بفعالية الحفظ لصالح الفهم الحقيقي وتؤدي إلى اكتساب معرفي كبير عبر عائلات نماذج متعددة.
تستفيد هذه الدراسة من بيانات السجلات الصحية الإلكترونية الطولية على مستوى البلاد من برنامج الأبحاث "All of Us" لتطوير نموذج تنبؤي للالتهاب المزمن للجيوب الأنفية مصنف ديموغرافياً، وذلك باستخدام مسار هجين لاختيار الميزات لتحقيق مساحة تحت المنحنى (AUC) تبلغ 0.8461 وإثبات تحسن في تصنيف المخاطر عبر مجموعات فرعية متنوعة من البالغين.