24235 ورقة بحثية
تقدم هذه الورقة إطار عمل للتعلم العميق من المحاكاة إلى الواقع باستخدام شبكة عصبية تلافيفية تشبه بنية U-Net، تم تدريبها على بيانات Genesis الاصطناعية لتمكين الروبوتات رباعية الأرجل المزودة بأذرع من التنقل والإدراك والقبض بدقة على الأشياء من خلال المناورة الحركية.
يقدم هذا البحث نظام ALIGNS، وهو نظام قائم على نموذج لغوي كبير تم تدريبه على مقاييس استبيان موثقة لتوليد شبكات نومولوجية شاملة، مما يعالج التحدي القائم منذ فترة طويلة في التحقق من القياس النفسي ويقدم رؤى جديدة حول مفاهيم مثل الضيق العاطفي ومزاج الطفل.
تقدم هذه الورقة البحثية "التهيئة المعتمدة على المهمة" (TDI)، وهي إطار عمل مبدئي يعمل على مواءمة الانحياز الاستقرائي لنماذج فضاء الحالة مع الخصائص الطيفية الخاصة بالمهمة لتحسين كفاءة التعميم عند وجود عدم توافق طيفي مع الانحياز الافتراضي للنموذج.
تُثبت هذه الورقة أن استخدام نوافذ منزلقة قصيرة في البنى الهجينة يجبر النماذج على الاستفادة بشكل أفضل من آليات الذاكرة طويلة المدى، وأن تغيير أحجام النوافذ عشوائياً أثناء التدريب يحسن الأداء بشكل كبير في كل من مهام السياق القصير والطويل مقارنة بنهج النوافذ الثابتة.
تقدم هذه الورقة أول إطار نظري رسمي للتعلم التعزيزي المستمر تحت اتخاذ القرار الواعي بالمخاطر من خلال إثبات عدم توافق مقاييس المخاطر الكلاسيكية مع التعلم المستمر واقتراح فئة جديدة من "مقاييس المخاطر الإرغودية" التي نجحت في سد هذه الفجوة، مدعومة بالتحقق التجريبي.
تُقدم الورقة البحثية إطار عمل GALA، وهو إطار عمل اتحادي لتعلم التكيف مع النطاقات المتعددة غير الخاضع للإشراف وقابل للتوسع، يستخدم تقليل التباين المجموعي والوزن المصدري الديناميكي للتغلب على الاختناقات الحسابية في الإعدادات عالية التنوع، والذي تم التحقق من صحته من خلال أداء رائد في معيار جديد مكون من 18 مجموعة بيانات يسمى Digit-18.
تتقصى هذه الورقة تحديات التعميم المتميزة المتمثلة في التركيبية والتكرارية في النماذج اللغوية الكبيرة باستخدام المنطق القياسي كمعيار، كاشفةً أنه بينما تتعامل النماذج اللغوية الكبيرة مع التكرارية بشكل جيد، فإنها تعاني مع التركيبية، وتقترح بنية هجينة عصبية-رمزية تتغلب بفعالية على هذه القيود من خلال الجمع بين الكفاءة العصبية والاكتمال الرمزي.
تُظهر هذه الورقة أن دمج تناظرات المهام من خلال البنيات المتكافئة، لا سيما تلك التي تمتلك تمثيلات من رتب عليا، يحسن بشكل كبير قوانين القياس للجهود بين الذرية، مما يشير إلى أن التحيزات الاستقرائية الأساسية يجب هندستها صراحةً بدلاً من ترك النماذج تكتشفها مع توسع نطاقها.
تقترح هذه الورقة البحثية "أخذ عينات دمج الضجيج" (Noise Combination Sampling)، وهي طريقة مبتكرة تعمل على تخليق متجه ضجيج أمثل من فضاء جزئي للضجيج لدمج المعلومات الشرطية بشكل طبيعي في نماذج الانتشار، مما يؤدي إلى حل المشكلات العكسية الخطية بمتانة واستقرار فائقين دون الحاجة إلى ضبط المعلمات الفائقة خطوة بخطوة.
تعد TetraJet-v2 طريقة تدريب للنماذج اللغوية الكبيرة تعتمد على التكميم الكامل بـ 4 بت من البداية إلى النهاية، حيث تستخدم دقة NVFP4 عبر جميع الطبقات الخطية وتستحدث تقنيتي OsciReset وOutControl لتثبيط تذبذب الأوزان والتحكم في القيم المتطرفة بفعالية، مما يحقق أداءً يقارب الأداء غير المفقود مع تسريع ملحوظ مقارنة بـ FP8.