cs.LG ورقة بحثية

Asymptotically Robust Learning-Augmented Algorithms for Preemptive FIFO Buffer Management

تقدم هذه الورقة خوارزمية عبر الإنترنت معززة بالتعلم لإدارة ذاكرة التخزين المؤقت بنظام FIFO الاستباقي، تحقق اتساقاً بمقدار 1 في ظل التنبؤات المثالية، وتدهوراً سلساً مع أخطاء التنبؤ، ونسبة تنافسية تقاربية قدرها $\sqrt{3}$ في ظل ظروف الحالة الأسوأ، وذلك من خلال إدخال مقياس خطأ تنبؤ قائم على المخرجات واستراتيجية احتياطية ديناميكية لتفريغ الذاكرة المؤقتة.

Wen-Han Hsieh, Ya-Chun Liang2026-04-30

🤖 machine learning

CO-EVO: Co-evolving Semantic Anchoring and Style Diversification for Federated DG-ReID

تقترح الورقة البحثية CO-EVO، وهو إطار عمل اتحادي مبتكر يحقق أحدث المستويات في تعميم النطاق لإعادة تحديد هوية الأشخاص من خلال التطور المشترك لترسيخ دلالات ثابتة للكاميرا لتنقية سمات الهوية، وتنوع الأنماط العالمي لتوسيع الحدود البصرية، مما يتغلب على الانحيازات الخاصة بنطاق معين دون المساس بخصوصية البيانات.

Fengchun Zhang, Qiang Ma, Liuyu Xiang, Jinshan Lai, Tingxuan Huang, Jianwei Hu2026-04-30

🤖 machine learning

Unifying Runtime Monitoring Approaches for Safety-Critical Machine Learning: Application to Vision-Based Landing

تقترح هذه الورقة إطاراً موحداً يصنف نهج المراقبة في وقت التشغيل لتعلم الآلة الحرج للسلامة إلى أنواع: مجال التصميم التشغيلي، وتوزيع البيانات الخارج عن النطاق، ونطاق النموذج الخارج عن النطاق، مما يبرهن على فوائدها التكاملية من خلال تجربة هبوط طائرة تعتمد على الرؤية.

Mathieu Dario, Florent Chenevier, Kévin Delmas, Joris Guerin, Jérémie Guiochet2026-04-30

🤖 machine learning

STLGT: A Scalable Trace-Based Linear Graph Transformer for Tail Latency Prediction in Microservices

يُعد STLGT محول رسم بياني خطي يعتمد على التتبع وقابل للتوسع، يتنبأ بدقة بزمن استجابة الذيل من النهاية إلى النهاية في الخدمات المصغرة عن طريق ترميز التتبعات كرسوم بيانية للمراحل (span graphs) واستخدام آلية انتباه خطية مدركة للهيكل لنمذجة التبعيات طويلة المدى وأعباء العمل غير المستقرة بكفاءة، محققاً دقة فائقة وسرعة استنتاج أكبر بكثير مقارنة بالطرق الحالية.

Yongliang Ding, Qigong Bi, Peng Pu2026-04-30

🤖 machine learning

Hierarchical adaptive control for real-time dynamic inference at the edge

تقترح هذه الورقة بنية تحكم تكيفية هرمية تعمل على التحسين المشترك لقرارات النموذج والنظام عبر المستويين العالمي والمحلي لتمكين استدلال تعلم آلي ديناميكي، وموفر للطاقة، ومنخفض زمن الوصول على أجهزة الحافة في ظل توزيعات بيانات متغيرة وقيود الموارد، محققةً مكاسب أداء كبيرة مقارنة بالنماذج الثابتة المرجعية.

Francesco Daghero, Mahyar Tourchi Moghaddam, Mikkel Baun Kjærgaard2026-04-30

🤖 machine learning

Order-Sensitive Sequential Interventions on Ideal Lattices

تؤسس هذه المقالة نظرية دقيقة من المستوى المحلي إلى العالمي لاعتماد الترتيب للتدخلات المتتالية المقيدة بالمتطلبات المسبقة، وتثبت أن استقلال المسار يكافئ تلاشي انحناء المعين، مع توفير شروط للاتساق المحلي التي تمكن من التخطيط الدقيق والبرمجة الديناميكية على الشبكات المثالية.

Dmitry Pasechnyuk-Vilensky2026-04-30

📊 statistics

Recipes for Calibration Checks in Safety-Critical Applications

تقدم هذه الورقة إطار عمل تشغيلياً نموذجياً للتطبيقات الحرجة من حيث السلامة، يستبدل درجات المعايرة المستمرة المعقدة بقرار قبول/رفض واحد قابل للتخصيص للتحقق إحصائياً مما إذا كانت توزيعات الاحتمالات المتوقعة تعكس بدقة أخطاء التنبؤ المرصودة.

Romeo Valentin2026-04-30

🤖 machine learning

Understanding DNNs in Feature Interaction Models: A Dimensional Collapse Perspective

تقترح هذه الورقة منظور "الانهيار البعدي" الجديد لحسم الجدل حول الشبكات العصبية العميقة في نماذج تفاعل الميزات، مبرهنةً من خلال التجارب والنظرية القائمة على التدرج أن الشبكات العصبية العميقة تخفف بفعالية من الانهيار البعدي للتضمين لتعزيز متانة التمثيل.

Jiancheng Wang, Mingjia Yin, Hao Wang, Enhong Chen2026-04-30

🧬 biology

Do Larger Models Really Win in Drug Discovery? A Benchmark Assessment of Model Scaling in AI-Driven Molecular Property and Activity Prediction

تتحدى هذه الدراسة المرجعية الافتراض القائل بأن النماذج التأسيسية الأكبر حجماً تتفوق عالمياً على البدائل الأصغر في مجال اكتشاف الأدوية، حيث تُثبت أن النماذج المدمجة والمتخصصة غالباً ما تحقق دقة تنبؤية متفوقة أو مماثلة لخصائص الجزيئات وأنشطتها عبر مجموعات بيانات متنوعة.

Jinjiang Guo2026-04-30

🤖 machine learning

Quantamination: Dynamic Quantization Leaks Your Data Across the Batch

تقدم هذه الورقة البحثية "Quantamination"، وهي ثغرة أمنية حرجة في التكميم الديناميكي (dynamic quantization) حيث يؤدي التنفيذ غير السليم في أطر تعلم الآلة الشهيرة إلى إنشاء قنوات جانبية تسمح للمهاجمين بسرقة بيانات المستخدم الحساسة من مدخلات أخرى ضمن نفس دفعة المعالجة.

Hanna Foerster, Ilia Shumailov, Cheng Zhang, Yiren Zhao, Jamie Hayes, Robert Mullins2026-04-30

→ السابق التالي ←