💬 NLP

Sixteen models, fewer than two voices: measuring ensemble dispersion where no answer is uniquely correct

تقدم هذه الورقة مقياساً لمساهمة الاختلاف لكل نموذج لتحليل كيفية توليد ستة عشر نموذجاً لغوياً لتفسيرات متنوعة لحالات العلاج النفسي، كاشفةً أنه في حين أن هوية النموذج تشكل هذا الاختلاف بشكل كبير، فإن التشتت الناتج مدفوع بالمحتوى السريري وتكوين المجموعة المحددة أكثر من كونه مدفوعاً بالفئات القياسية للنماذج أو بالانفتاح التفسيري المنشود للحالات.

Mario Vega-Barbas, Lidia Mora-Valenciano, Iván Pau, Fernando Seoane, Farhad Abtahi2026-08-04
🤖 AI

WM-Cov: Test Adequacy for Interactive World-Model-Style Autonomous Driving Simulation

تقدم هذه الورقة WM-Cov، وهو إطار تقييم محايد للمزودين يحدد ويقيس كفاية الاختبار لمحاكاة القيادة الذاتية التفاعلية القائمة على نماذج العالم من خلال التركيز على تقارب أدلة الفشل الصالحة والمحققة والمتنوعة بدلاً من أعداد الفشل الخام أو تغطية المطالبات.

Jianxun Cui, Ping Wu, Stanisa Peric, Marko Milojkovic, Vladan Devedzic2026-08-04
🤖 AI

OrEdge: Efficient Multi-Modal Anomaly Detection in Distributed Software Systems via Orthogonal-Domain Learning

يُعد OrEdge إطار عمل للتعلم في النطاق المتعامد خفيف الوزن، يُمكّن من الكشف الفعال واللحظي عن الشذوذ متعدد الأنماط في الأنظمة البرمجية الموزعة من خلال تحقيق دقة تنافسية مع عدد أقل بكثير من المعلمات وزمن انتقال أدنى مقارنة بالأساليب القائمة على الانتباه والرسوم البيانية، مما يجعله مناسباً للأجهزة الطرفية محدودة الموارد.

Amr M. Zaki, Farhoud Jafari Kaleibar, Honggeun Ji, Komal Sarda, Marin Litoiu2026-08-04
🤖 AI

Learning to Coordinate Symbolic Tools: LLM Agents for Verified Sum-of-Squares Certificates

تقدم هذه الورقة عميلاً يعتمد على النماذج اللغوية الكبيرة (LLM) يحقق نجاحاً عالياً في توليد شهادات مجموع مربعات موزونة ومحققة من خلال الجمع بين الضبط الدقيق الخاضع للإشراف على 1.35 مليون مثال متعدد الحدود اصطناعي، وتحسين السياسة النسبي المجموعي مع مكافآت رمزية، واستخدام أداة SymPy الأصلية للتحقق الدقيق.

Bohan Chen, Shivam N. Patel, Richard Hoffmann, Sam Looi, Tony Yue Yu2026-08-04
🤖 AI

Bayesian and Motivated Reasoning in AI Agents

تُثبت هذه الورقة أن الوكلاء المعتمدين على الذكاء الاصطناعي يُظهرون استدلالاً بايزياً واستدلالاً مدفوعاً بالدوافع من خلال استخلاص استنتاجات مختلفة من بيانات متطابقة بناءً على صياغة السيناريو، حيث تؤثر معتقداتهم المسبقة بشكل كبير على عملياتهم التحليلية وقراراتهم النهائية في المجالات عالية المخاطر.

Eddie Yang2026-08-04
🤖 AI

ORCA: ORgan-Centroid Aggregation for Training-Free 3D CT Visual Token Compression

تُعد ORCA طريقةً للضغط المرئي لرموز التصوير المقطعي المحوسب ثلاثي الأبعاد، وهي طريقة تعمل دون تدريب وتعمل بمبدأ "التوصيل والتشغيل"، حيث تستفيد من التجميع الموجه بالأعضاء والترميز الجيبي للمركز للحفاظ على المعلومات التشريحية، مما يقلل بشكل كبير من أعداد الرموز وتكاليف الاستدلال مع التفوق على النماذج المرجعية الحالية في مهام التنبؤ بالسمات وتوليد النصوص.

Renjie Liang, Zijian Xu, Jinqian Pan, Chengkun Sun, Zhengkang Fan, Shawn Li, You Qin, Mei Liu, Jie Xu2026-08-04
🤖 AI

Artificial Intelligence for the Characterization of Particles and Fibers by Optical Microscopy

تقدم هذه الورقة إطار عمل لتقطير الذكاء الاصطناي، يقوم بتدريب نموذج طالب يعتمد على الرؤية فقط لتوليد تضمينات صور غنية دلالياً وقابلة للتفسير لتوصيف الجسيمات والألياف، وذلك من خلال إعادة بناء متجه معلم متعدد الوسائط يرمز للبيانات المرئية جنباً إلى جنب مع الإضاءة، والتكبير، والسياق المورفولوجي.

Simiao Sun, Kenneth Ng, Lynn Lee, Astrid Harth, Asami Odate, Aggelos Katsaggelos, Manuel Ballester Matito, Nicholas East (…)2026-08-04
🤖 AI

Tensor Probabilistic Model Checking of Finite-Horizon Markov Chains (Extended Version)

تقدم هذه الورقة "تِيسا" (Tessa)، وهو نهج مبتكر يصيغ عملية التحقق من نماذج سلاسل ماركوف ذات الأفق المحدود في صورة حسابات تنسورية كثيفة للاستفادة من المسرعات العتادية وتحقيق تسريع هائل مقارنة بالطرق الحالية، لا سيما في أنظمة الانتقال الكثيفة.

Jianlin Li, Nick Guo, Peter Ye, Yizhou Zhang2026-08-04
🤖 machine learning

Pretrain on Small Synthetic Data, Scale Large for Free: Symmetry-Aware Foundation Model for Logic Rule Induction

تقدم هذه الورقة نموذجاً تأسيسياً مدركاً للتماثل لاستنتاج القواعد المنطقية، والذي يُمكّن -من خلال فرض التكافؤ الدقيق عبر آلية تصدير معيارية مبتكرة- نموذجاً تم تدريبه مسبقاً على بيانات اصطناعية صغيرة من تعميم قواعد قابلة للتفسير ودقيقة على مخططات أكبر بكثير دون الحاجة لإعادة التدريب.

Yin Jun Phua2026-08-04
🤖 machine learning

DSETA: A Dual-Stage Continual Learning Framework for Travel Time Prediction in Dynamic Traffic Environments

تقترح الورقة البحثية إطار عمل DSETA، وهو إطار تعلم مستمر ثنائي المراحل يدمج التكيف الفوري خلال اليوم والترسيخ التاريخي بين الأيام لمعالجة أنماط حركة المرور الديناميكية بفعالية ومنع النسيان الكارثي، محققاً تحسينات كبيرة في دقة نظام التنبؤ بوقت الوصول المتوقع (ETA) الخاص بشركة DiDi عبر عدة مدن رئيسية.

Yanming Lyu, Yue Cheng, Lingkun Li, Ruipeng Gao, Xinyue Liu, Hui Gao, Qiang Ni2026-08-04