24514 ورقة بحثية
تقدم هذه الورقة \textsc{FairMind}، وهي أداة مؤتمتة تستفيد من افتراضات العدالة السببية والنماذج اللغوية الكبيرة لإجراء تحليل عدالة قائم على التناقض الظاهري سليم على مجموعات البيانات وإنشاء تقارير دقيقة بنمط التعلم الصفري.
تقترح هذه الورقة وتتحقق من صحة طريقة عابرة للأنماط تقوم بإسقاط عزويات الميزات من نماذج التعلم العميق لتخطيط كهربائية القلب ذات الـ 12 مسرى عالية الأداء على الفضاء التشريحي ثلاثي الأبعاد لـ CineECG، مما يثبت أن هذا النهج يحسن بشكل كبير من التفسير السريري وتحديد موقع السمات المرضية مقارنة بتقنيات العزو القياسية.
يعالج NORACL معضلة الاستقرار واللدونة في التعلم المستمر من خلال تنمية بنية الشبكة العصبية ديناميكياً بناءً على إشارات التشبع، محققاً أداءً يضاهي أو يتفوق على النماذج الثابتة ذات الحجم المثالي (oracle-sized) مع استخدام عدد أقل من المعلمات وتوفير أنماط نمو قابلة للتفسير.
تقترح هذه الورقة إطار عمل يعتمد على وجود الإنسان في الحلقة، والذي يستفيد من النماذج اللغوية الكبيرة مع تقنيات التلقين بالتغذية الراجعة المتخصصة لتحسين معلمات وقت التشغيل بسرعة وكفاءة من أجل استنتاج نماذج موفر للطاقة، متفوقة بذلك على طرق البحث التقليدية مثل عينات "سوبول" (Sobol sampling) في كل من سرعة التقارب واستهلاك الطاقة النهائي.
تستعرض هذه الدراسة المسحية بشكل شامل طرق التعلم العميق لفك تشفير إشارات الدماغ (EEG) عبر مختلف الأشخاص من خلال صياغة المشكلة كتحدٍ متعدد المصادر، وتصنيف الحلول الحالية إلى فئات مثل محاذاة الميزات والتعلم التنافسي، وتحديد الاتجاهات المستقبلية بما في ذلك القيود النظرية ونماذج التأسيس الخاصة بإشارات الدماغ (EEG).
تقترح هذه الورقة إطاراً نظرياً موحداً للتعلم والتحسين والنمذجة من خلال تعريف المشكلات القابلة للحل والطرق المحددة بالمعلمات لإرساء نظرية تقارب عالمية تختزل دراسة هذه المجالات إلى مفاهيم أساسية من الأنظمة الديناميكية والهندسة والفيزياء.
تقدم هذه الورقة GPT، وهي تمثيل بارامتري جديد لـ Normalized Transformer يستفيد من أسس المحاذاة (alignment exponents) لتحقيق نقل لمعدل التعلم عبر عرض النموذج وعمقه وأفق الرموز (token horizon)، مما يعالج قصوراً رئيسياً في nGPT الأصلي.
تقدم هذه الورقة إطاراً إحصائياً بايزياً يعمل على معايرة المقاييس الآلية مقابل الأحكام البشرية لتمكين الهجرة الواثقة والفعالة والقابلة للتكرار للأنظمة القائمة على النماذج اللغوية الكبيرة في بيئات الإنتاج عند وصول النماذج الأساسية إلى نهاية عمرها الافتراضي، كما هو موضح في منصة تجارية للإجابة على الأسئلة تخدم ملايين المستخدمين.
تقترح هذه الورقة تقنية "تقطير السياسة المتطور المشترك" (CoPD)، وهي نموذج تدريب مبتكر يدمج تدريب الخبراء المتوازي مع تقطير السياسة عبر الإنترنت ثنائي الاتجاه للتغلب على فقدان القدرات والفجوات السلوكية، محققةً أداءً فائقاً في الاستدلال الشامل للنصوص والصور والفيديو مقارنةً بطرق التعلم المعزز من التغذية الراجعة عبر البيئة (RLVR) وطرق التقطير الحالية.
يُعد AutoSP إطار عمل قائمًا على المترجم (compiler) يقوم تلقائيًا بتحسين تدريب النماذج اللغوية الكبيرة للسياقات الطويلة عبر تطبيق توازي التسلسل (sequence parallelism) ونقاط تفتيش التنشيط (activation checkpointing)، مما يزيد بشكل كبير من أطوال سياق التدريب على كل من أجهزة NVIDIA وAMD مع عبء أداء ضئيل للغاية.