cs.LG ورقة بحثية

Cost-Aware Learning

تقدم هذه الورقة "التعلم الواعي بالتكلفة" (Cost-Aware Learning)، وهو إطار عمل يقلل إجمالي تكاليف التدريب من خلال مراعاة تباين نفقات أخذ العينات، مقترحاً خوارزمية "الاشتقاق المتدرج العشوائي الواعي بالتكلفة" (Cost-Aware SGD) مع ضمانات نظرية وطريقة لاختيار المجموعات الفرعية، وتطبيق هذه الرؤى لتطوير "خوارزمية تحسين السياسة الواعية بالتكلفة" (Cost-Aware GRPO)، التي تقلل استخدام الرموز (tokens) في تحسين سياسة النماذج اللغوية الكبيرة بنسبة تصل إلى 30% مع الحفاظ على الأداء.

Clara Mohri, Amir Globerson, Haim Kaplan, Tomer Koren, Yishay Mansour2026-05-01

🤖 machine learning

MIFair: A Mutual-Information Framework for Intersectionality and Multiclass Fairness

يقدم هذا البحث MIFair، وهو إطار عمل موحد للمعلومات المتبادلة يعالج بفعالية التقاطعية، والإعدادات متعددة الفئات، ومتطلبات العدالة المتنوعة من خلال قالب مقياس مرن وطريقة تخفيف أثناء المعالجة، مما يظهر خفضاً قوياً للتحيز وأداءً تنبؤياً عبر مجموعات بيانات من العالم الحقيقي.

Jeanne Monnier, Thomas George, Frédéric Guyard, Christèle Tarnec, Marios Kountouris2026-05-01

🤖 machine learning

Shuffling-Aware Optimization for Private Vector Mean Estimation

تعالج هذه الورقة الفجوة في فهم المثالية لتقدير متوسط المتجهات الخاص في نموذج الخلط (shuffle model) من خلال تقديم مؤشر الخلط لصياغة مسألة تحسين صريحة، وإرساء حد أدنى لـ "مجموع الحد الأدنى والأقصى" (minimax lower bound) يكشف عن عدم مثالية آليات الخصوصية التفاضلية المحلية (LDP) القياسية تحت عملية الخلط، وبناء آلية مثالية تقاربيًا تحقق مقايضة بين الخصوصية والمنفعة مماثلة لآلية غاوس المركزية.

Shun Takagi, Seng Pei Liew2026-05-01

🤖 machine learning

Exponential families from a single KL identity

تُثبت هذه الورقة أن هوية "كولباك - ليبلر" (KL) واحدة للعائلات الأسية، مقترنةً بعدم سلبية تباعد "كولباك - ليبلر"، توفر إطاراً جبرياً موحداً وأولياً لاستخلاص مجموعة واسعة من النتائج الجوهرية في الاستدلال التبايني، والتعلم التعزيزي، والتحليل المحدب، والتي تُثبت تقليدياً باستخدام حجج منفصلة أكثر تعقيداً.

Marc Dymetman2026-05-01

🤖 machine learning

Early Detection of Water Stress by Plant Electrophysiology: Machine Learning for Irrigation Management

تقدم هذه الدراسة إطار عمل لتعلم الآلة يستخدم الإشارات الفسيولوجية الكهربائية للنبات للكشف عن الإجهاد المائي في نباتات الطماطم قبل ظهور الأعراض المرئية بمدة تصل إلى 30 دقيقة، محققةً دقة تصنيف تصل إلى 92% ومقدمةً أداة لدعم اتخاذ القرار من أجل إدارة مثلى للري.

Eduard Buss, Till Aust, Heiko Hamann2026-05-01

🔬 physics

Assessing the Role of Intersection Proximity in Pedestrian Crashes: Insights from Data Mining Approach

تستخدم هذه الدراسة نهج تنقيب البيانات على بيانات حوادث المشاة في لويزيانا (2017-2021) لتوضيح أن ما يقرب من 50% من الحوادث التي لا تقع عند التقاطعات تحدث ضمن مسافة 198 قدمًا من التقاطع، مما يكشف عن أنماط مخاطر متميزة عبر ثلاث مناطق مسافات ويساهم في توجيه التدابير الوقائية المستهدفة.

Ahmed Hossain, Xiaoduan Sun, Subasish Das2026-05-01

💬 NLP

TopBench: A Benchmark for Implicit Prediction and Reasoning over Tabular Question Answering

تقدم هذه الورقة TopBench، وهو معيار مرجعي جديد مصمم لتقييم النماذج اللغوية الكبيرة في الاستدلال التنبؤي الضمني على البيانات الجدولية، مما يكشف أن النماذج الحالية تعاني في التعرف على القصد وغالباً ما تلجأ إلى عمليات البحث البسيطة بدلاً من استنتاج الإجابات غير الملحوظة من الأنماط التاريخية.

An-Yang Ji, Jun-Peng Jiang, De-Chuan Zhan, Han-Jia Ye2026-05-01

🤖 machine learning

FiLMMeD: Feature-wise Linear Modulation for Cross-Problem Multi-Depot Vehicle Routing

تقترح الورقة البحثية FiLMMed، وهو نموذج عصبي موحد ومبتكر يستفيد من التعديل الخطي المعتمد على السمات، وتحسين التفضيل، والتعلم المنهجي، لحل 24 نوعاً متنوعاً من متغيرات مسألة توجيه المركبات متعددة المستودعات بفعالية، متفوقاً بذلك على النماذج المرجعية الحالية الأحدث في هذا المجال.

Arthur Corrêa, Paulo Nascimento, Samuel Moniz2026-05-01

🤖 machine learning

Do Sparse Autoencoders Capture Concept Manifolds?

تضع هذه الورقة إطاراً نظرياً يوضح أن المشفّرات التلقائية المتفرقة (Sparse Autoencoders) يمكنها التقاط متشعبات المفاهيم (concept manifolds) إما عالمياً أو محلياً، ولكنها غالباً ما تفشل في القيام بذلك بفعالية بسبب نظام "التخفيف" (dilution regime) الذي يجزئ هذه البنى، مما يدفع نحو تحول في أبحاث القابلية للتفسير من الاتجاهات المعزولة إلى مجموعات متماسكة من الميزات.

Usha Bhalla, Thomas Fel, Can Rager, Sheridan Feucht, Tal Haklay, Daniel Wurgaft, Siddharth Boppana, Matthew Kowal, Vasud (…)2026-05-01

🤖 machine learning

Beyond Gaussian Bottlenecks: Topologically Aligned Encoding of Vision-Transformer Feature Spaces

تقترح الورقة البحثية إطار عمل S $^2$ VAE، وهو إطار تعلم كامن يعتمد على الهندسة أولاً، يستخدم توزيعات القوة الكروية (Power Spherical) ضمن محول مرئي مرتكز على الهندسة (Visual Geometry Grounded Transformer) للتفوق على عنق الزجاجة الغاوسي التقليدي في الحفاظ على الهندسة ثلاثية الأبعاد وديناميكيات الكاميرا تحت ضغط عالي.

Andrew Bond, Ilkin Umut Melanlioglu, Erkut Erdem, Aykut Erdem2026-05-01

→ السابق التالي ←