🤖 machine learning

Active Tabular Augmentation via Policy-Guided Diffusion Inpainting

تقدم الورقة البحثية إطار عمل TAP، وهو إطار عمل مبتكر يجمع بين تقنية استكمال البيانات بالانتشار (diffusion inpainting) وسياسة مشروطة بالمتعلم لاختيار وحقن البيانات الجدولية الاصطناعية ذات المنفعة العالية بشكل نشط، مما يسد الفجوة بين دقة التوزيع وأداء النماذج اللاحقة لتحسين نتائج التصنيف والانحدار بشكل كبير في ظل الندرة الشديدة للبيانات.

Zheyu Zhang, Shuo Yang, Bardh Prenkaj, Gjergji Kasneci2026-05-12
🤖 machine learning

Relations Are Channels: Knowledge Graph Embedding via Kraus Decompositions

تقدم هذه الورقة البحثية نموذج \textsc{KrausKGE}، وهو نموذج لتمثيل الرسوم البيانية للمعرفة يستند إلى تمثيل كراوس (Kraus decomposition) وثلاثة بديهيات هيكلية (الخطية، والحفاظ على الأثر، والإيجابية التامة) يتعامل بطبيعة الحال مع العلاقات المعقدة من نوع NN-إلى-NN، ويدعم الاستدلال متعدد القفزات (kk-hop) دون الحاجة إلى مشفرات مسار صريحة، ويلغي الحاجة إلى قيود المعيار (norm constraints) مع التفوق على النماذج المرجعية الحالية.

Sayan Kumar Chaki2026-05-12
🤖 AI

Verifiable Process Rewards for Agentic Reasoning

تقدم هذه الورقة البحثية "مكافآت العمليات القابلة للتحقق" (VPR)، وهو إطار عمل يستفيد من الأوراكل (oracles) الموضوعية لتوليد إشراف كثيف على مستوى الخطوة الواحدة لتعلم التعزيز، مما يحسن من عملية تخصيص الائتمان في الاستدلال الوكيل طويل المدى، ويُظهر أداءً وتعميماً فائقين عبر مختلف معايير الاستدلال مقارنة بالتغذية الراجعة المتفرقة على مستوى النتيجة.

Huining Yuan, Zelai Xu, Huaijie Wang, Xiangmin Yi, Jiaxuan Gao, Xiao-Ping Zhang, Yu Wang, Chao Yu, Yi Wu2026-05-12
🔢 mathematics

PowerStep: Memory-Efficient Adaptive Optimization via ℓp\ell_p-Norm Steepest Descent

يُعد PowerStep مُحسِّناً تكيُّفياً موفراً للذاكرة يحقق التكيف عبر الإحداثيات من خلال الانحدار الشديد لـ ℓp\ell_p-norm دون تخزين إحصائيات العزم الثاني، مما يجعله يطابق سرعة تقارب Adam مع تقليل عبء الذاكرة بشكل كبير لتدريب نماذج Transformer واسعة النطاق.

Yao Lu, Dengdong Fan, Shixun Zhang, Yonghong Tian2026-05-12
🤖 AI

TMAS: Scaling Test-Time Compute via Multi-Agent Synergy

تقدم هذه الورقة البحثية إطار عمل TMAS، وهو إطار عمل للتآزر بين الوكلاء المتعددين يعزز توسيع الحوسبة في وقت الاختبار للنماذج اللغوية الكبيرة من خلال استخدام ذاكرات هرمية للتعاون الهيكلي عبر المسارات، ومخطط تعزيز مكافأة هجين للموازنة بفعالية بين الاستكشاف والاستغلال في مهام الاستدلال.

George Wu, Nan Jing, Qing Yi, Chuan Hao, Ming Yang, Feng Chang, Yuan Wei, Jian Yang, Ran Tao, Bryan Dai2026-05-12
🤖 AI

RW-Post: Auditable Evidence-Grounded Multimodal Fact-Checking in the Wild

تقدم هذه الورقة البحثية RW-Post، وهو معيار مرجعي نصي-صوري قابل للتدقيق للتحقق من الحقائق متعدد الوسائط في العالم الحقيقي يربط منشورات وسائل التواصل الاجتماعي بأدلة ومسارات استدلال تم التحقق منها بشرياً، إلى جانب خط الأساس AgentFact، للكشف عن فجوات كبيرة في قدرة النماذج الحالية على ربط الادعاءات بالأدلة بأمانة.

Danni Xu, Shaojing Fan, Harry Cheng, Mohan Kankanhalli2026-05-12
🤖 AI

Agentic Performance at the Edge: Insights from Benchmarking

تقدم هذه الورقة دراسة تجريبية تثبت أن أداء الذكاء الاصطناعي الوكيل على الأجهزة الطرفية ذات الموارد المحدودة لا يتحدد فقط بحجم النموذج، بل يعتمد على المواءمة الاستراتيجية بين اختيار النموذج وسير عمل الأدوات، مما يقدم رؤى مشروطة بالمجال لتوجيه استراتيجيات النشر المثلى.

Shiqiang Wang, Herbert Woisetschläger2026-05-12
🤖 AI

Phoenix-VL 1.5 Medium Technical Report

إنّ Phoenix-VL 1.5 Medium هو نموذج تأسيسي متعدد الوسائط واللغات بطبيعته، يمتلك 123 مليار معلمة، وقد تم تكييفه خصيصاً مع سياق سنغافورة من خلال تدريب مسبق ومواءمة محلية مكثفة، محققاً أداءً هو الأفضل في فئته على المعايير المرجعية الإقليمية مع الحفاظ على التنافسية العالمية في الذكاء العام.

Team Phoenix, :, Arka Ray, Askar Ali Mohamed Jawad, Biondi Lee, Elijah Seah, Eva Lim, Fiona Teo, Grace Toh, Guang Xiang (…)2026-05-12
🤖 AI

AnomalyClaw: A Universal Visual Anomaly Detection Agent via Tool-Grounded Refutation

يُعد AnomalyClaw وكيلًا للكشف عن الشذوذ البصري لا يتطلب تدريبًا، يعمل على تعزيز موثوقية نماذج الرؤية واللغة عبر مجالات متنوعة من خلال تحويل الحكم على الشذوذ إلى عملية تفنيد متعددة الجولات وموجهة بالأدوات، تقوم بالتحقق بشكل منهجي من المرشحين مقابل مراجع العينات الطبيعية.

Xi Jiang, Yinjie Zhao, Zesheng Yang, Feng Zheng2026-05-12