24669 ورقة بحثية
تقترح هذه الورقة شبكة "U-Net" زمنية مستوحاة من الفيزياء تستخدم فقدًا إدراكيًا قائمًا على نموذج "VGG" وشرطًا حديًا مكافئًا مرجحًا زمنيًا لإعادة بناء ديناميكيات سوائل عالية الدقة ومحافظة على الاضطراب من ملاحظات زمنية متفرقة.
يقدم V-GRPO إطار عمل للتعلم التعزيزي عبر الإنترنت يتسم بالاستقرار والكفاءة لنماذج التوليد لإزالة الضجيج، وذلك من خلال دمج بدائل الاحتمالية القائمة على ELBO مع خوارزمية تحسين السياسة النسبية للمجموعات (GRPO)، محققاً أداءً هو الأفضل في فئته في مجال تخليق الصور من النصوص مع تسريع كبير مقارنة بالطرق الحالية.
تُثبت هذه الورقة أن الاستراتيجية الأكثر فعالية لفحص أمراض القلب الهيكلية المتعددة عبر تخطيط كهربائية القلب هي الجمع بين التكيف ذاتي الإشراف داخل النطاق والضبط الدقيق الخاضع للإشراف الانتقائي لنموذج تأسيسي لتخطيط كهربائية القلب مدرب مسبقاً.
لمعالجة مقايضة الاستقرار واللدونة في الاسترجاع التوليدي المستمر، تقترح الورقة البحثية ضبط ذاكرة ما بعد التكيف (PAMT)، وهي طريقة تستخدم رأس ذاكرة بارامتريًا متفرقًا ونمطيًا لتوفير تصحيحات متبقية أثناء فك التشفير، مما يسمح للنموذج بتعلم مستندات جديدة دون التسبب في نسيان كارثي لما تعلمه سابقًا.
تعيد هذه الورقة إنتاج فعالية طريقة التخطيط المسبق في الاسترجاع التوليدي (PAG) مع إثبات أن أداءها حساس لتباينات الاستعلام، مثل الأخطاء المطبعية وعدم التطابق عبر اللغات، والتي يمكن أن تزعزع استقرار إشارة التخطيط الاستباقي.
يُعد "إيفولف" (Evolve) إطار عمل يعزز دقة النماذج اللغوية الصغيرة بشكل كبير عبر ربطها بمخزن معرفي مستمر ومُجمع من قِبل المعلم، يستخدم التقسيم الدلالي، والدمج غير المتصل بالإنترنت، والتحديث القائم على الاستخدام لتوفير استرجاع معرفي فعال وقابل للتدقيق.
توضح الورقة البحثية أن استبدال "LayerNorm" بـ "Dynamic Tanh (DyT)" يعمل كمنظم ضمني يعتمد على النظام، مما يحسن الأداء في الإعدادات صغيرة النطاق والمحدودة بالبيانات من خلال تقييد التنشيطات، ولكنه يضر بالأداء في الأنظمة واسعة النطاق أو الغنية بالبيانات بسبب التشبع المفرط في التنشيط.
تقترح هذه الورقة طريقة نيوتن عبر الإنترنت تستخدم تقنية التخطيط المتسارع بنستيروف (Nesterov-accelerated sketching) لتحقيق تعقيد قدره ، مما يوفر وسيلة فعالة حاسوبياً لإجراء استدلال عبر الإنترنت يتسم بالمتانة مع تقدير مبدئي لعدم اليقين.
تقترح الورقة البحثية "التعلم الاتحادي المتجزئ الديناميكي" (DSFL)، وهو إطار عمل قابل للتوسع والتحقق يستخدم التجزئة العشوائية الديناميكية وعلامات السلامة الخطية لتمكين كشف الاحتيال التعاوني الفعال، والمحافظ على الخصوصية، والقوي عبر المؤسسات المالية مع تقليل العبء الحسابي بشكل كبير مقارنة بالطرق الحالية.
تُظهر الورقة البحثية أن تدريب سلامة الذكاء الاصطناعي الحالي (التعلم التعزيزي من التغذية الراجعة البشرية - RLHF) يقوض دون قصد فعالية تدخلات الصحة النفسية عبر تسببِهِ في جعل النماذج تتخلى عن البروتوكولات العلاجية، أو تقدم طمأنة كاذبة، أو ترفض الانخراط في التمارين السريرية الضرورية عند مواجهة سيناريوهات عالية الخطورة.