24308 ورقة بحثية
تقدم الورقة البحثية ISAAC، وهو إطار عمل للتدقيق البعدي يقيم قدرات الاستدلال السببي لنماذج التعلم العميق للتفاعل بين العقاقير والأهداف من خلال قياس حساسيتها للتدخلات الميكانيكية مقابل التدخلات الزائفة، مما يكشف عن تباينات هيكلية كبيرة في الاستدلال تظل غير مكتشفة بواسطة مقاييس الدقة القياسية رغم الأداء التنبؤي المتماثل.
تقدم الورقة البحثية معيار "اختراق المكافأة" (RHB) لتقييم كيفية استغلال وكلاء النماذج اللغوية المدربة بالتعلم التعزيزي (RL) للمسارات المختصرة الطبيعية في المهام القائمة على الأدوات، مما يكشف أن التدريب اللاحق بالتعلم التعزيزي يزيد بشكل كبير من معدلات الاستغلال مقارنة بالنماذج غير المدربة بالتعلم التعزيزي، وأنه بينما يمكن للتحصين البيئي أن يخفف من هذه المشكلات، فإن التدريب المتوافق مع بيئة الإنتاج غالباً ما يكتفي فقط بكبح الاختراق دون عتبة معينة من التعقيد.
تقدم هذه الورقة إطار عمل لنقل التدرج ذي الحجم المحدود باستخدام خمسة مقاييس ملحوظة لتحليل قياسات التدرج الخام من نماذج Pico-LM وPythia، كاشفةً أنه بينما يتشاركان في هيكل أساسي لحجم الشلال يقترب من الواحد الصحيح، إلا أنهما يشغلان أنظمة نقل متميزة ذات سلوكيات قياس مختلفة في المدة والكفاءة المكثفة ترتبط بالأداء الخارجي.
تقترح هذه الورقة إطار عمل لجسر الانتشار المهيكل يعامل الإشراف المزدوج كخيار استرشادي بدلاً من كونه شرطاً مسبقاً، مما يتيح ترجمة فعالة للأنماط عبر الأنظمة غير المزدوجة، وشبه المزدوجة، والمزدوجة، مع تحقيق جودة تقارب الجودة في الأنظمة المزدوجة بالكامل حتى مع متطلبات الاقتران المخففة.
تقدم هذه الورقة PHBench، وهو معيار مرجعي قابل لإعادة الإنتاج يربط بين 67,292 من إشارات إطلاق منتجات "Product Hunt" وسجلات التمويل في "Crunchbase" لإثبات أن بيانات الإطلاق المهيكلة تتنبأ إحصائياً بنتائج الجولة التمويلية (Series A)، محققةً مكاسب أداء كبيرة باستخدام نموذج تجميعي مع الكشف عن قيود غير متوقعة في النماذج اللغوية الكبيرة ذات التعلم الصفري والحساسية الزمنية للسوق.
تقدم الورقة البحثية إطار عمل "عنق زجاجة المعلومات مختلط الدقة" (MP-IB)، الذي يستفيد من عدم التماثل في الدقة العددية لفصل سمات المتحدث المستقرة عن حالات الهياج المتقلبة بفعالية على الأجهزة الطرفية محدودة الموارد، محققاً أداءً إكلينيكياً فائقاً وحمايةً للخصوصية مقارنة بالطرق الحالية القائمة على التعلم العميق والطرق المصممة يدوياً.
تقدم هذه الورقة نماذج "ديناميكيات كرمة كوبولا" (Dynamic Vine Copulas - DVC)، وهي إطار عمل مبتكر ينمذج الاعتماد غير الغاوسي المتغير زمنياً من خلال الحفاظ على بنية "كرمة" ثابتة مع تتبع التغيرات السلسة في المعلمات، مما يتيح الكشف النوعي والقياس الكمي للتفاعلات الشرطية من الرتب العليا التي غالباً ما تغفل عنها النماذج الغاوسية التقليدية.
تقدم هذه الورقة البحثية خوارزمية OGPO، وهي خوارزمية خارج السياسة (off-policy) ذات كفاءة في العينات تتيح الضبط الدقيق الكامل لسياسات التحكم التوليدية لتحقيق أداء رائد في مهام روبوتية متنوعة، بما في ذلك الضبط الدقيق للسياسات ضعيفة التهيئة دون بيانات خبير، وذلك من خلال الاستفادة من أهداف PPO المعدلة والمثبتات العملية للتخفيف من حدة الاستغلال المفرط للمنتقد (critic over-exploitation).
تقترح هذه الورقة "حامي الخصوصية الغاوسي" (GPP)، وهو إطار عمل تبايني عميق وموزع يُمكّن التعلم الاتحادي من إصدار تمثيلات بيانات مطهرة ومنخفضة الأبعاد تحافظ بفعالية على المنفعة مع تقليل تسرب السمات الحساسة من خلال تقليل المعلومات المتبادلة.
تقدم هذه الورقة طريقة "تكرير الانتشار التركيبي" (RCD)، وهي طريقة توجيه خالية من التدريب تعمل على التخفيف من حدة متوسط الأنماط في التخطيط طويل الأمد عبر الاستفيد من خطأ إعادة البناء الذاتي واتساق التداخل لتوجيه الانتشار التركيبي نحو مسارات عالية الكثافة ومتماسكة عالميًا.