24235 ورقة بحثية
تقترح هذه الورقة إطار عمل للتعلم عبر الإنترنت لمشكلات ماركوف لاتخاذ القرار الشجرية، والتي تعامل السياسات كأذرع متعددة الأذرع، متجاوزةً بذلك فضاء السياسات الأسي عبر تصميم حدود ثقة مشتركة البيانات لتحقيق حسابات في زمن حدودي وتحسين تعقيد العينات في كل من إعدادات التعلم ضمن حدود الاحتمالية (PAC) وتقليل الندم.
تقدم هذه الورقة "المفهِّمات" (conceptors)، وهي طريقة مبدئية هندسية لتوجيه النماذج اللغوية الكبيرة تستبدل متجهات التنشيط أحادية الاتجاه بمصفوفات إسقاط ناعمة لالتقاط فضاءات مفاهيمية كاملة متعددة الأبعاد، مما يتيح اختيار الطبقات بدون معاملات، والتركيب البولياني، وتحكماً أكثر أماناً وفعالية من النماذج المرجعية الإضافية التقليدية.
تقترح هذه الورقة "إمكانات النتيجة ذاتية الاستحثاث" (SIOP)، وهو إطار عمل مبتكر يتيح تخصيص الائتمان على مستوى الدور لوكلاء النماذج اللغوية الكبيرة (LLMs) ذوي الأفق الطويل دون الحاجة إلى مُحقِّقين خارجيين أو إشراف من إجابات نموذجية، وذلك عن طريق تجميع الإجابات النهائية في أنماط نواتج دلالية ومكافأة الخطوات الوسيطة التي تزيد من دعم الحالات المستقبلية الموثوقة.
تقترح هذه المقالة إطار عمل للتعلم الاتحادي يتيح التنبؤ المبكر بدقة وامتثال للخصوصية بطلب شحن المركبات الكهربائية باستخدام الحد الأدنى من بيانات الجلسات، مع تحقيق أداء يضاهي النماذج المركزية، وكل ذلك مع إبقاء البيانات محلية في محطات الشحن.
تُظهر هذه الورقة أنه بينما لا تعيق القدرة على التكيف أداء التقريب مطلقاً، فإن الميزة المحددة للتعلم التكيفي (الوكيل) مقارنة بالتعلم ذي الاستعلامات الثابتة (داخل السياق) تتباين عبر أربعة سيناريوهات متميزة اعتماداً على ما إذا كانت العمليات غير مقيدة أو مقيدة بإمكانية التحقق من خلال الشبكة العصبية ذات وحدة الخطية (ReLU).
يقدم هذا المساهمة SLYP، وهو مسار وكيل (agent pipeline) متكامل يكتشف ذاتياً ثغرات "حالة السباق" (race-condition) في ملفات Windows COM الثنائية ويولد كود إثبات مفهوم (PoC) مُتحقق منه، حيث نجح في تحديد 28 ثغرة غير معروفة سابقاً في خدمات إنتاجية وحصد 140,000 دولار من المكافآات، متفوقاً بشكل كبير على أدوات التحليل الساكن ووكلاء البرمجة الحاليين.
تقترح هذه الورقة إطاراً غير معلمي وقابلاً للتوسع يعتمد على مبدأ طول الوصف الأدنى، يقوم باستنتاج المناطق المتجاورة مكانياً والمحركات الزمنية الممثلة بشكل مشترك من بيانات السلاسل الزمنية دون الحاجة إلى قيود مسبقة على عدد المناطق.
تقترح هذه الورقة بروتوكول "ثقة الجار المتعلم" (LNTrust)، وهو بروتوكول خالٍ من الخادم ومستقل عن النموذج للتعلم اللامركزي، حيث تتعلم العقد دالة ثقة مدمجة من أدلة التحقق المحلية للتحكم في عملية التقطير أثناء التدريب واختيار الجيران الموثوقين ديناميكيًا للاستدلال، مما يؤدي إلى تحسين دقة النشر وكفاءة الاتصال بشكل كبير في البيئات غير المتجانسة والمقيدة بالموارد.
تقدم هذه الورقة Graph-SND، وهي طريقة تجميع متفرقة وقابلة للتوسع تقرب مقياس تنوع النظام العصبي (SND) ذو التكلفة التربيعية في التعلم المعزز متعدد الوكلاء عبر حساب المتوسطات الموزونة على حواف رسوم بيانية عشوائية، مما يتيح قياساً وتحكماً فعالين في التنوع السلوكي لفرق الوكلاء الكبيرة دون تغيير المعنى الدلالي للمقياس.
تقدم الورقة البحثية نموذج \HEDGE، وهو نموذج توليدي يستخدم الانتشار العشوائي المهيكل على مصفوفات الحدوث المرخاة مع مؤثر حراري ثنائي الجانب خاص بالهايبرغراف (الرسم البياني الفائق) لتحقيق توليد هايبرغراف عالي الجودة ومتماثل التبديل مع التقاط التفاعلات من الرتب العليا والتباين الهيكلي بأمانة.