cs.LG ورقة بحثية

Towards Understanding the Robustness of Sparse Autoencoders

تُثبت هذه الورقة أن دمج المشفّرات التلقائية المتفرقة (Sparse Autoencoders) المُدربة مسبقاً في مسارات المتبقيات (residual streams) لنماذج المحولات (transformer) أثناء وقت الاستنتاج يعزز بشكل كبير من متانة النماذج اللغوية الكبيرة ضد هجمات كسر الحماية (jailbreak attacks) بنوعيها، "الصندوق الأبيض" و"الصندوق الأسود"، وذلك عبر إعادة تشكيل هندسة الأمثلة (optimization geometry)، محققةً انخفاضاً يصل إلى 5 أضعاف في معدلات نجاح الهجمات مع الكشف عن علاقة رتيبة بين التفرق (sparsity) وفعالية الدفاع.

Ahson Saiyed, Sabrina Sadiekh, Chirag Agarwal2026-04-22

💬 NLP

An Empirical Study of Multi-Generation Sampling for Jailbreak Detection in Large Language Models

تثبت هذه الورقة تجريبياً أن أخذ العينات متعدد الأجيال المعتدل يحسن بشكل كبير من كشف كسر الحماية في النماذج اللغوية الكبيرة من خلال الكشف عن الثغرات المخفية التي تغفل عنها التقييمات أحادية المخرجات، بينما تظهر أيضاً أن إشارات الكشف تتعمم جزئياً عبر النماذج وأن الكواشف المعجمية تلتقط كل من الإشارات السلوكية والموضوعية.

Hanrui Luo, Shreyank N Gowda2026-04-22

🤖 machine learning

Streaming Structured Inference with Flash-SemiCRF

تقدم هذه الورقة البحثية Flash-SemiCRF، وهو إطار عمل للاستدلال المتدفق وموفر للذاكرة يستبدل تنسور جهد الحافة (edge potential tensor) الباهظ في نماذج Semi-Markov CRF بعمليات بحث عن المجموع التراكمي (prefix-sum lookups) آنية وعملية تمرير أمامي-خلفي (forward-backward pass) معيارية عند نقاط التفتيش والحدود، مما يتيح الاستدلال الدقيق على مستوى القطعة (segment-level inference) للتسلسلات الطويلة ومجموعات التسميات الكبيرة التي كانت غير قابلة للمعالجة سابقاً.

Benjamin K. Johnson, Thomas Goralski, Ayush Semwal, Hui Shen, H. Josh Jang2026-04-22

🤖 machine learning

Efficient Mixture-of-Experts LLM Inference with Apple Silicon NPUs

تقدم هذه الورقة NPUMoE، وهو محرك استدلال وقت التشغيل يعمل على تسريع نماذج اللغات الكبيرة من نوع "خليط الخبراء" (Mixture-of--Experts) على شرائح Apple Silicon عبر ترحيل الحسابات الثابتة إلى المحرك العصبي (Neural Engine)، مع استخدام المعايرة غير المتصلة وتقنيات متخصصة للتغلب على تحديات التوجيه الديناميكي والمزامنة، مما يؤدي إلى تحسينات كبيرة في زمن الاستجابة، وكفاءة الطاقة، واستخدام وحدة المعالجة المركزية.

Afsara Benazir, Felix Xiaozhu Lin2026-04-22

🤖 AI

ARES: Adaptive Red-Teaming and End-to-End Repair of Policy-Reward System

يُعد ARES إطار عمل مبتكر يعالج الثغرات النظامية في النماذج اللغوية الكبيرة المحاذية لتعلم التعزيز من التغذية الراجعة البشرية (RLHF) عبر توظيف "مُوجّه سلامة" لتوليد مطالبات عدائية مزدوجة الاستهداف تكشف عن الإخفاقات المتزامنة في كل من نموذج السياسة ونموذج المكافأة، يتبع ذلك عملية إصلاح مكونة من مرحلتين لتعزيز متانة السلامة الشاملة دون المساس بقدرات النموذج.

Jiacheng Liang, Yao Ma, Tharindu Kumarage, Satyapriya Krishna, Rahul Gupta, Kai-Wei Chang, Aram Galstyan, Charith Peris2026-04-22

🤖 machine learning

HELM: Harness-Enhanced Long-horizon Memory for Vision-Language-Action Manipulation

تقدم الورقة البحثية HELM، وهو إطار عمل محايد للنماذج يحسن بشكل كبير عمليات التحكم في الرؤية واللغة والأفعال طويلة الأمد من خلال معالجة فجوات الذاكرة والتحقق والاسترداد عبر وحدة ذاكرة عرضية، ومتحقق حالة متعلم، ووحدة تحكم مجهزة، محققاً زيادة بنسبة 23.1% في معدل النجاح مقارنة بـ OpenVLA في اختبار LIBERO-LONG.

Zijian Zeng, Fei Ding, Huiming Yang, Xianwei Li2026-04-22

💻 computer science

Optimal Exploration of New Products under Assortment Decisions

تتقصى هذه الورقة استراتيجيات التعلم عبر الإنترنت المثلى للمنصات التي تدير مجموعات من المنتجات الجديدة ذات السعة المحدودة والجودة غير المعروفة، حيث تثبت أنه من الأمثل دائمًا إقران المنتجات الجديدة بالمنتجات الرائدة الحالية، وأن عدد المنتجات التي يتم استكشافها في آن واحد يتبع هيكل عتبة يعتمد على الإمكانات بدلاً من احتمالات الشراء الفردية، مع تسليط الضوء على إخفاقات خوارزميات (UCB) و(Thompson Sampling) القياسية في هذا السياق.

Jackie Baek, Atanas Dinev, Thodoris Lykouris2026-04-22

🤖 machine learning

Preserving Clusters in Error-Bounded Lossy Compression of Particle Data

تقترح هذه الورقة تقنية جديدة قائمة على التصحيح ومعززة بوحدة معالجة الرسومات، تعمل على البيانات بعد فك ضغطها من الضواغط ذات الفقد القياسية لضمان الحفاظ على هياكل التجميع أحادي الوصلة في مجموعات بيانات الجسيمات واسعة النطاق مع الحفاظ على أداء ضغط تنافسي.

Congrong Ren, Sheng Di, Katrin Heitmann, Franck Cappello, Hanqi Guo2026-04-22

🤖 machine learning

Rethinking Dataset Distillation: Hard Truths about Soft Labels

تكشف هذه الورقة أن استخدام الملصقات الناعمة (soft labels) في تقييم تقطير البيانات يحجب القيمة الحقيقية لجودة البيانات من خلال السماح للنماذج المرجعية العشوائية بمضاهاة الأساليب المتطورة، مما دفع المؤلفين إلى اقتراح طريقة CA2D المتوافقة مع الحوسبة (compute-aligned) ومقياس تقليم جديد يتفوقان على النهج الحالية في إطار الملصقات الصلبة (hard-label) الأكثر صرامة.

Priyam Dey, Aditya Sahdev, Sunny Bhati, Konda Reddy Mopuri, R. Venkatesh Babu2026-04-22

🤖 machine learning

Curvature-Aware PCA with Geodesic Tangent Space Aggregation for Semi-Supervised Learning

تقترح هذه الورقة طريقة GTSA-PCA، وهي طريقة لتقليل الأبعاد شبه مُشرفة توحد بين الاستقرار الطيفي لـ PCA وتعلم المتشعبات من خلال تجميع الفضاءات المماسية المحلية الموزونة بالانحناء عبر عامل محاذاة جيوديسي لالتقاط البنى غير الخطية للبيانات بشكل أفضل.

Alexandre L. M. Levada2026-04-22

→ السابق التالي ←