cs.LG ورقة بحثية

SpaRRTa: A Synthetic Benchmark for Evaluating Spatial Intelligence in Visual Foundation Models

تقدم هذه الورقة SpaRRTa، وهو معيار مرجعي اصطناعي مصمم لتقييم قدرات الاستدلال المكاني لنماذج التأسيس البصري من خلال اختبار قدرتها على تحديد المواضع النسبية للأجسام، مما يكشف عن تفاوتات كبيرة في الوعي المكاني للنماذج الحالية ويوجه التطوير المستقبلي.

Turhan Can Kargin, Wojciech Jasiński, Adam Pardyl, Bartosz Zieliński, Marcin Przewięźlikowski2026-08-14

🤖 AI

Safe Exploration via Policy Priors

تقدم هذه الورقة SOOPER، وهو إطار عمل للتعلم التعزيزي الآمن يستفيد من أولويات السياسة المتحفظة ونماذج الديناميكيات الاحتمالية لضمان السلامة أثناء الاستكشاف عبر الإنترنت مع تحقيق التقارب الأمثل والتفوق على الأساليب الرائدة في كل من الاختبارات المعيارية والأجهزة الواقعية.

Manuel Wendl, Yarden As, Manish Prajapat, Anton Pollak, Stelian Coros, Andreas Krause2026-08-14

📊 statistics

Variance Reduction Based Experience Replay for Policy Optimization

تقترح هذه الورقة البحثية "إعادة تشغيل الخبرة لتقليل التباين" (VRER)، وهو إطار عمل منهجي غير مرتبط بخوارزمية محددة، يعمل على إعادة استخدام العينات التاريخية المعلوماتية بشكل انتقائي لتقليل تباين تدرج السياسة، مما يوفر ضمانات صارمة للتقارب في زمن محدد ويُظهر كفاءة عينة متفوقة على الأساليب المتطورة الحالية.

Hua Zheng, Wei Xie, M. Ben Feng, Keilung Choy2026-08-14

🤖 machine learning

SpinCastML an Open Decision-Making Application for Inverse Design of Electrospinning Manufacturing: A Machine Learning, Optimal Sampling and Inverse Monte Carlo Approach

يُعد SpinCastML إطار عمل مفتوح المصدر للتعلم الآلي ومحاكاة مونت كارلو العكسية (Inverse Monte Carlo) المستند إلى المعلومات الكيميائية، والذي يُمكّن من التصميم العكسي لعمليات الغزل الكهربائي عبر التنبؤ بتوزيعات قطر الألياف الكاملة وتوليد معاملات البوليمر والمذيب الممكنة لتحقيق نتائج ألياف نانوية محددة من قبل المستخدم.

Elisa Roldan, Tasneem Sabir2026-08-14

🤖 machine learning

Tensor Methods: A Unified and Interpretable Approach for Material Design

تقترح هذه الورقة إطار عمل موحداً لإكمال الموتّرات لتصميم المواد، يتفوق على التعلم الآلي التقليدي في القدرة على التعميم في ظل أخذ العينات غير المنتظمة، مع توفير عوامل قابلة للتفسير تتوافق مع الظواهر الفيزيائية الكامنة.

Shaan Pakala, Aldair E. Gongora, Brian Giera, Evangelos E. Papalexakis2026-08-14

🤖 machine learning

Training and Benchmarking Code Generation for Physics-Inspired Animations

تقدم هذه الورقة SimuScene، وهو عبارة عن مجموعة بيانات ومعيار شامل لتدريب وتقييم النماذج اللغوية الكبيرة على توليد كود قابل للتنفيذ للرسوم المتحركة المستوحاة من الفيزياء، مما يوضح أن حتى النماذج الرائدة تعاني في هذه المهمة ولكن يمكن تحسينها بشكل كبير من خلال مسار تعلم تعزيزي مبتكر يستخدم المكافآت البصرية.

Yanan Wang, Renxi Wang, Yongxin Wang, Xuezhi Liang, Fajri Koto, Timothy Baldwin, Xiaodan Liang, Haonan Li2026-08-14

🤖 machine learning

From Approximation Rates to Loss-Landscape Barrier Decay in Shallow ReLU Networks

تُثبت هذه الورقة الاتصال المساري لمجموعات المستويات الفرعية في شبكات ReLU الضحلة ذات الأوزان المقيدة وتنظيم $\ell_1$ من خلال اشتقاق معدلات اضمحلال صريحة لحواجز مشهد الخسارة التي تنتقل من حدود التقريب إلى ضمانات اتصال شبه مثالية، وهو ما تم التحقق منه من خلال البراهين النظرية والتجارب العددية.

Saveliy Baturin2026-08-14

🤖 machine learning

A Prior-Aware Metric for Efficiently Distinguishing Memorization from Generalization in Large Language Models

تقدم هذه الورقة البحثية "الاستذكار المدرك للمسبقات" (Prior-Aware Memorization)، وهو مقياس خفيف الوزن ولا يتطلب تدريباً، يميز بفعالية بين الاستذكار الحقيقي للبيانات والتعميم الشائع إحصائياً في النماذج اللغوية الكبيرة، كاشفاً أن أغلبية كبيرة من التسلسلات التي تم تصنيفها سابقاً على أنها مستذكرة هي في الواقع نتاج لأنماط شائعة.

Trishita Tiwari, Ari Trachtenberg, G. Edward Suh2026-08-14

🤖 machine learning

SEAR: Sample Efficient Action Chunking Reinforcement Learning

تقدم الورقة البحثية خوارزمية SEAR، وهي خوارزمية تعلم تعزيزي غير متصل بالسياسة (off-policy) ذات كفاءة في استخدام العينات، تستفيد من ناقل سببي (causal transformer) لتقدير القيمة مع أهداف متعددة الآفاق واستراتيجية إعادة تخطيط بالأفق المتراجع لتمكين التعلم عبر الإنترنت بفعالية باستخدام كتل من الأفعال (action chunks)، متفوقة بذلك على الأساليب الرائدة في مهام التحكم في الأشياء المعقدة.

C. F. Maximilian Nagy, Onur Celik, Emiliyan Gospodinov, Florian Seligmann, Weiran Liao, Aryan Kaushik, Gerhard Neumann2026-08-14

💻 computer science

Can Spectral-Clipping Enable Better Learning While Forgetting Less for Low-Rank Adaptation?

تقترح هذه الورقة البحثية طريقة SCLoRA، وهي طريقة جديدة للتكيف منخفض الرتبة (Low-Rank Adaptation) تستفيد من عملية القص الطيفي (spectral clipping) على المكونات المنفردة ذات المعلمات لتكييف المكونات الصغرى الخاصة بالمهمة بشكل انتقائي مع الحفاظ على المعرفة الأساسية سابقة التدريب، مما يؤدي إلى تحسين الأداء في المهام اللاحقة والحد من النسيان الكارثي.

Hyowon Wi, Noseong Park2026-08-14

→ السابق التالي ←