cs.LG ورقة بحثية

TEMPO: Scaling Test-time Training for Large Reasoning Models

تقترح الورقة البحثية TEMPO، وهو إطار عمل للتدريب في وقت الاختبار يدمج بين تحسين السياسة على البيانات غير المصنفة وإعادة معايرة الناقد بشكل دوري على البيانات المصنفة للتغلب على استقرار الأداء وانهيار التنوع في نماذج الاستدلال الكبيرة، محققاً مكاسب كبيرة في دقة معايير الاستدلال الرياضي.

Qingyang Zhang, Xinke Kong, Haitao Wu, Qinghua Hu, Minghao Wu, Baosong Yang, Yu Cheng, Yun Luo, Ganqu Cui, Changqing Zha (…)2026-04-22

🤖 machine learning

Debiased neural operators for estimating functionals

تقدم هذه الورقة DOPE، وهو مُقدِّر شبه معلمي يصحح انحياز الدرجة الأولى لطرق الإقحام الساذجة لتقدير الدوال القياسية لمسارات الحلول عبر توظيف نهج خطوة واحدة من ريجرسون نيمان-أورثوجونال مع ريجرسون ريز لتعامل مع المُعاملات العصبية كخرائط إزعاج عالية الأبعاد تحت ملاحظات جزئية وغير منتظمة.

Konstantin Hess, Dennis Frauen, Niki Kilbertus, Stefan Feuerriegel2026-04-22

🤖 machine learning

RDP LoRA: Geometry-Driven Identification for Parameter-Efficient Adaptation in Large Language Models

تقدم هذه الورقة البحثية RDP LoRA، وهي طريقة لا تعتمد على المعلمات أو التدريب تستفيد من خوارزمية Ramer-Douglas-Peucker لتحليل المسارات الهندسية للحالات الخفية لتحديد الطبقات الحرجة، مما يتيح ضبطًا دقيقًا أكثر كفاءة وفعالية للنماذج اللغوية الكبيرة مع تحسن ملحوظ في الأداء مقارنة بالتكيف الكامل للطبقات أو التكيف العشوائي لها.

Yusuf Çelebi, Yağız Asker, Özay Ezerceli, Mahmoud ElHussieni, Selva Taş, Reyhan Bayraktar, Fatma Betül Terzioğlu2026-04-22

🤖 machine learning

FedSEA: Achieving Benefit of Parallelization in Federated Online Learning

تقدم هذه الورقة البحثية FedSEA، وهو إطار عمل للتعلم الاتحادي عبر الإنترنت يدمج خصماً ممتداً عشوائياً لنمذجة توزيعات البيانات الديناميكية، مقترحاً خوارزمية تحقق حدود ندم محسنة وتُظهر فوائد التوازي في ظل التباين الزمني الطفيف.

Harekrushna Sahu, Pratik Jawanpuria, Pranay Sharma2026-04-22

🤖 machine learning

FairTree: Subgroup Fairness Auditing of Machine Learning Models with Bias-Variance Decomposition

تقدم هذه الورقة FairTree، وهو خوارزمية مبتكرة مستوحاة من اختبار الثبات السيكومتري، تقوم بمراجعة عدالة نماذج تعلم الآلة من خلال التعامل مباشرة مع الميزات المستمرة والفئوية والترتيبية دون تجزئة، وتفكيك تفاوتات الأداء إلى انحياز منهجي وتباين، مما يظهر قوة إحصائية متفوقة مقارنة بالأدوات الحالية مثل SliceLine.

Rudolf Debelak2026-04-22

🤖 machine learning

TACENR: Task-Agnostic Contrastive Explanations for Node Representations

تقدم هذه الورقة البحثية TACENR، وهي طريقة تعلم تبايني غير مرتبطة بمهمة محددة توفر تفسيرات محلية لتمثيلات العقد من خلال تحديد السمات الأكثر تأثيراً، والتقارب، والميزات الهيكلية، مع إظهار أداء تنافسي في الإعدادات الخاضعة للإشراف مقارنة بالنهج الحالية المخصصة لمهمة معينة.

Vasiliki Papanikou, Evaggelia Pitoura2026-04-22

🤖 machine learning

Unsupervised Confidence Calibration for Reasoning LLMs from a Single Generation

تقدم هذه الورقة طريقة غير خاضعة للإشراف لمعايرة ثقة نماذج اللغات الكبيرة الاستدلالية باستخدام عملية توليد واحدة فقط عند الاستنتاج، والتي تستفيد من أخذ العينات دون اتصال بالإنترنت على بيانات غير مصنفة لتدريب متنبئ خفيف الوزن يتفوق على النماذج المرجعية الحالية في مهام التنبؤ الانتقائي واتخاذ القرار.

Thomas Zollo, Jimmy Wang, Richard Zemel2026-04-22

📊 statistics

Heterogeneity-Aware Personalized Federated Learning for Industrial Predictive Analytics

تقترح هذه الورقة إطار عمل للتعلم الاتحادي الشخصي المدرك لعدم التجانس، والذي يستخدم التعاون الثنائي وخوارزمية التدرج المتناقص القريب لتمكين العملاء الصناعيين ذوي أنماط التدهور المتنوعة من بناء نماذج تنبؤ مخصصة لوقت الفشل بشكل تعاوني مع الحفاظ على خصوصية البيانات.

Yuhan Hu, Xiaolei Fang2026-04-22

🤖 machine learning

When Graph Structure Becomes a Liability: A Critical Re-Evaluation of Graph Neural Networks for Bitcoin Fraud Detection under Temporal Distribution Shift

تتحدى هذه الورقة البحثية الإجماع السائد بأن الشبكات العصبية الرسومية (GNNs) تتفوق على النماذج المرجعية القائمة على الميزات فقط في كشف الاحتيال في بيتكوين، حيث تُثبت أنه بموجب بروتوكولات تقييم استقرائية صارمة وخالية من التسريب تأخذ في الاعتبار التحولات في التوزيع الزمني، تتفوق النماذج التقليدية مثل "الغابة العشوائية" (Random Forest) بشكل كبير على الشبكات العصبية الرسومية، بينما يمكن أن يكون الطوبولوجيا الفعلية لمجموعة البيانات ضارة حتى بالمقارنة مع هياكل الرسوم البيانية العشوائية.

Saket Maganti2026-04-22

🤖 machine learning

Evaluating LLM-Generated Obfuscated XSS Payloads for Machine Learning-Based Detection

تقدم هذه الورقة مساراً هيكلياً يجمع بين التقنيات الحتمية والنماذج اللغوية الكبيرة لتوليد وتقييم حمولات (XSS) المموّهة بناءً على سلوك وقت التشغيل، كاشفةً أنه في حين يعمل الضبط الدقيق على تحسين الحفاظ على السلوك، لا تزال النماذج اللغوية الكبيرة الحالية تعاني في إنشاء تمويهات صالحة تعزز أداء كشف تعلم الآلة اللاحق.

Divyesh Gabbireddy, Suman Saha2026-04-22

→ السابق التالي ←