HeadlinesBriefing favicon HeadlinesBriefing

AI & ML Research 24 Hours

×
2 articles summarized · Last updated: LATEST

آخر تحديث: September 5, 2026, 10:15 PM ET

الذكاء الاصطناعي وأبحاث التعلم الآلي

يشرح دليل مرئي جديد لماذا تحتاج المحولات (Transformers) إلى ترميز موضعي لمهام السلاسل الزمنية، موضحًا كيف تفقد آلية الانتباه الذاتي ترتيب التسلسل دون معلومات موضعية صريحة. يستعرض الدليل الانتقال من الملاحظات العددية إلى الانتباه الذاتي، ويوضح كيف تعمل المعلومات الموضعية على استعادة ترتيب التسلسل الضروري.

بشكل منفصل، يقترح الباحثون استخدام التعلم بالنقل مع نماذج منخفضة الرتبة لتحسين أداء التعلم المعزز على الأنظمة الديناميكية المعقدة، مما يقلل تكاليف المحاكاة مع الحفاظ على الدقة. يستفيد هذا النهج من النماذج منخفضة الرتبة لتسريع التدريب على المهام القائمة على الفيزياء التي قد تكون مكلفة حسابيًا لولا ذلك.