cs.LG ورقة بحثية

CombinationTS: A Modular Framework for Understanding Time-Series Forecasting Models

تقدم الورقة البحثية CombinationTS، وهو إطار احتمالي معياري يعمل على تفكيك نماذج التنبؤ بالسلاسل الزمنية ليكشف أن تضمينات البيانات وتحويلات المدخلات المصممة جيداً غالباً ما تحقق أداءً واستقراراً متفوقين مقارنة بهياكل المشفرات المعقدة، مما يتحدى ضرورة زيادة تعقيد النموذج.

Xiaorui Wang, Fanda Fan, Chenxi Wang, Yuxuan Yang, Rui Tang, Kuoyu Gao, Simiao Pang, Yuanfeng Shang, Zhipeng Liu, Wanlin (…)2026-05-05

🤖 machine learning

Rhamba: Region-Aware Hybrid Attention-Mamba Framework for Self-Supervised Learning in Resting-State fMRI

يُعد Rhamba إطار عمل مبتكر للتدريب المسبق ذاتي الإشراف لصور الرنين المغناطيسي الوظيفي في حالة الراحة، حيث يدمج بين الحجب الموجه تشريحيًا وبنيات Attention-Mamba الهجينة لتحقيق أداء فائق في تصنيف الفصام واضطراب نقص الانتباه مع فرط النشاط (ADHD) مع تحقيق التوازن بين القابلية للتفسير وقابلية التوسع.

Ruthwik Reddy Doodipala, Pankaj Pandey, Pratheek Eranki, Carolina Torres-Rojas, Manob Jyoti Saikia, Ranganatha Sitaram2026-05-05

🤖 machine learning

S^3-R1: Learning to Retrieve and Answer Step-by-Step with Synthetic Data

يُعد S^3-R1 إطار عمل يعزز التعلم المعزز للإجابة على الأسئلة القائمة على البحث من خلال الجمع بين مسار بيانات اصطناعية لتوليد أسئلة متعددة الخطوات متوسطة الصعوبة وبين هيكل مكافأة كثيف يقيم جودة البحث وصحة الإجابة النهائية، مما يؤدي إلى تحسين التعميم واستراتيجيات البحث.

Harsh Goel, Akhil Udathu, Susmija Jabireddy, Pradnesh Kalkar, Atharva Parulekar2026-05-05

🤖 machine learning

New Bounds for Kernel Sums via Fast Spherical Embeddings

تقدم هذه الورقة نظرية تضمين كروي سريعة جديدة لإرساء حدود زمن استعلام محسنة قدرها $\tilde O(d+\varepsilon\Delta^2+1/\varepsilon^3)$ لتقدير متوسطات نواة غاوس، متفوقة بذلك على النتائج السابقة في النطاقات ذات الخطأ الصغير وقطر البيانات المتوسط.

Tal Wagner2026-05-05

🤖 machine learning

A Theory of Saddle Escape in Deep Nonlinear Networks

تستنتج هذه الورقة هوية دقيقة لعدم توازن معيار الأوزان في الشبكات غير الخطية العميقة لتصنيف دالات التنشيط وتحديد قانون وقت الهروب من العمق الحرج، مما يثبت أن هضاب التدريب محكومة بعدد طبقات عنق الزجاجة بدلاً من العمق الإجمالي للشبكة.

Divit Rawal, Michael R. DeWeese2026-05-05

📈 economics

The Partial Testimony of Logs: Evaluation of Language Model Generation under Confounded Model Choice

تقترح هذه الورقة وتقيم إطار عمل ثلاثي المصادر يجمع بين تجربة عشوائية صغيرة ومحاكي غير متصل بالإنترنت لتحديد وتصحيح انحياز الاختيار المتأصل في سجلات النماذج اللغوية الملاحظة واسعة النطاق، مما يتيح إجراء مقارنات سببية صالحة لأداء النموذج.

Jikai Jin, Vasilis Syrgkanis2026-05-05

🤖 machine learning

Rethinking Model Selection in VLM Through the Lens of Gromov-Wasserstein Distance

تتحدى هذه الورقة معايير اختيار النماذج التقليدية لنماذج الرؤية واللغة من خلال إثبات أن التشابه الهيكلي بين وسائط الرؤية واللغة، والذي يُقاس عبر مسافة "غروموف-واسرشتاين"، يعد مؤشراً أفضل لأداء المحاذاة مقارنة بحجم المشفر أو دقة التعلم الصفري.

Muyang Li, Yucheng Liu, Jianbo Ma, Elliot Osborne, Bo Han, Tongliang Liu2026-05-05

🤖 machine learning

Robust Parameter Learning for Uncertain MDPs

تقترح هذه الورقة إطاراً قوياً لتعلم المعلمات لعمليات ماركوف لاتخاذ القرار غير المؤكدة، يستخدم نماذج ماركوف لاتخاذ القرار معلمية لالتقاط التبعات الجبرية بين الانتقالات، مما يولد نماذج عدم يقين أكثر إحكاماً ومدركة للتبعية من خلال تسلسل هرمي من التقريبات متعددة السطوح السليمة.

Yannik Schnitzer, Alessandro Abate, David Parker2026-05-05

🤖 machine learning

Model-Based Proactive Cost Generation for Learning Safe Policies Offline with Limited Violation Data

تقدم الورقة البحثية PROCO، وهو إطار عمل للتعلم المعزز الآمن غير المتصل (offline) القائم على النموذج، والذي يستفيد من النماذج اللغوية الكبيرة لترسيخ المعرفة باللغة الطبيعية في دالة تكلفة متحفظة، مما يتيح توليد عينات غير آمنة تخيلية (counterfactual) وتعلم سياسات آمنة حتى عندما تفتقر بيانات التدريب إلى الانتهاكات المرصودة.

Ruiqi Xue, Lei Yuan, Kainuo Cheng, Jing-Wen Yang, Yang Yu2026-05-05

🤖 machine learning

Decision-Focused Learning via Tangent-Space Projection of Prediction Error

تقدم هذه الورقة البحثية طريقة PEAR، وهي طريقة تعلم موجهة نحو القرار (Decision-Focused Learning) تتسم بالكفاءة الحسابية، حيث تستنتج تدرجات الندم ذات الصيغة المغلقة عن طريق إسقاط أخطاء التنبؤ على الفضاء المماسي للقيود النشطة، مما يتجنب عملية تمايز الحل (solver differentiation) المكلفة مع تحقيق جودة قرار ومتانة فائقين.

Junhyeong Lee, Sangjin Jin, Yongjae Lee2026-05-05

→ السابق التالي ←