🤖 Category

cs.LG

26959 ورقة بحثية

🤖 machine learning

Exposing LLM Safety Gaps Through Mathematical Encoding:New Attacks and Systematic Analysis

تكشف هذه الورقة أن ترميز المطالبات الضارة في شكل مسائل رياضية متماسكة (مثل نظرية المجموعات أو المنطق الصوري) يتجاوز بشكل كبير فلاتر السلامة في النماذج اللغوية الكبيرة عبر فرض إعادة صياغة عميقة بدلاً من الاعتماد على التدوين السطحي، محققاً معدلات نجاح عالية في الهجوم عبر نماذج متعددة مع تسليط الضوء على الحاجة إلى دفاعات تحلل البنية الرياضية.

Haoyu Zhang, Mohammad Zandsalimy, Shanu Sushmita2026-05-06
🤖 machine learning

Learning Generalizable Action Representations via Pre-training AEMG

تقدم هذه الورقة البحثية AEMG، وهو أول إطار عمل واسع النطاق للتعلم الذاتي يعامل إشارات EMG كلغة فسيولوجية عبر "مُجزئ انقباض عصبي عضلي" (Neuromuscular Contraction Tokenizer) مبتكر لتحقيق أفضل مستويات التعميم عبر الأشخاص والأجهزة والمهام بأقل قدر من البيانات المستهدفة.

Zhenghao Huang, Huilin Yao, Kaikai Wang, Lin Shu2026-05-06
🤖 machine learning

MEMSAD: Gradient-Coupled Anomaly Detection for Memory Poisoning in Retrieval-Augmented Agents

تقدم هذه الورقة MEMSAD، وهو إطار عمل للكشف عن الشذوذ مقترن بالتدرج يوفر ضمانات دفاعية معتمدة ضد هجمات تسميم الذاكرة في الوكلاء المعززين بالاسترجاع من خلال إثبات أن أي اضطراب يتملص من الكشف يؤدي بالضرضو إلى تدهور جودة الاسترجاع، مع تحديد أيضًا قيد جوهري ضد التهرب القائم على المترادفات.

Ishrith Gowda (University of California, Berkeley)2026-05-06
📊 statistics

Bandits attack function optimization

تقدم هذه المساهمة خوارزمية "التحسين المتفائل المتزامن" (SOO)، وهي خوارزمية حتمية تعتمد على تقسيم النطاقات ومستوحاة من مشكلات "المتعدد الأذرع" (Multi-Armed Bandits)، والتي توازن بفعالية بين الاستكشاف والاستغلال في ظل قيود الميزانية لتحسين الدوال، مع إثبات كفاءتها وضمانات الحل الخاصة بها من خلال تقييم تجريبي على مجموعة اختبار CEC'2014.

Philippe Preux, Rémi Munos, Michal Valko2026-05-06
🤖 machine learning

GRIFDIR: Graph Resolution-Invariant FEM Diffusion Models in Function Spaces over Irregular Domains

تقترح الورقة البحثية نموذج GRIFDIR، وهو بنية نموذج انتشار مبتكرة غير متأثرة بالدقة، تستفيد من دالات العناصر المحدودة لتمكين أخذ عينات عالية الدقة ومستقلة عن الدقة للبيانات ذات القيم الدالية على نطاقات معقدة وغير منتظمة حيث تعاني الطرق الحالية.

James Rowbottom, Elizabeth L. Baker, Nick Huang, Ben Adcock, Carola-Bibiane Schönlieb, Alexander Denker2026-05-06
📊 statistics

A Hierarchical Sampling Framework for bounding the Generalization Error of Federated Learning

تقترح هذه الورقة إجراءً لأخذ العينات الهرمية للتعلم الاتحادي يشتق حدود التعميم عبر مسافة واسرستاينين (Wasserstein distance) وبناء العينة الفائقة، مما يثبت أن هذه الحدود تتحسن بشكل صارم عن النتائج الحالية المتعلقة بالمعلومات المتبادلة الشرطية وتلتقط بدقة معدلات الخطأ التقاربية في النماذج الغاوسية.

Dario Filatrella, Ragnar Thobaben, Mikael Skoglund2026-05-06
📊 statistics

Understanding Self-Supervised Learning via Latent Distribution Matching

تقترح هذه المقالة إطاراً نظرياً موحداً يسمى مطابقة التوزيع الكامن (LDM) للتعلم الخاضع للإشراف الذاتي، والذي يفسر الأساليب الحالية من خلال هدفي المحاذاة والانتظام المزدوجين، ويثبت قابلية تحديد التمثيلات الكامنة، ويُمكّن من اشتقاق نماذج مرشح بايزي جديدة خالية من العينات للسلاسل الزمنية عالية الأبعاد.

Fabian A Mikulasch, Friedemann Zenke2026-05-06
🤖 machine learning

Enhance the after-discharge mortality rate prediction via learning from the medical notes

تقترح هذه الورقة البحثية شبكة عصبية عميقة ذات آلية تجميع لاستخراج المعلومات بفعالية من الملاحظات الطبية غير المنظمة والفوضوية، مما يثبت أن هذا النهج يتفوق بشكل كبير على نماذج تعلم الآلة التقليدية في التنبؤ بمعدلات الوفيات بعد الخروج من المستشفى عبر أطر زمنية متعددة.

Zijiang Yang2026-05-06
🤖 machine learning

HeadQ: Model-Visible Distortion and Score-Space Correction for KV-Cache Quantization

تقدم هذه الورقة البحثية HeadQ، وهي طريقة لتكميم ذاكرة التخزين المؤقت لـ KV (KV-cache) تعمل على نقل هدف التحسين من إعادة بناء مساحة التخزين الخام إلى التشوه المرئي للنموذج في فضاءات الدرجات (scores) والقيم (values)، مما يقلل بشكل كبير من الارتباك (perplexity) عبر تصحيح لوجيتات المفاتيح (key logits) بواسطة قواعد استعلام متعلمة وتقليل تشوه القيم من خلال بدائل مرجحة بالانتباه.

Jorge L. Ruiz Williams2026-05-06
📊 statistics

Stochastic Schrödinger Diffusion Models for Pure-State Ensemble Generation

تقدم هذه الورقة نماذج انتشار شرويدنجر العشوائية (SSDMs)، وهو إطار توليدي قائم على الدرجة (score-based) جوهري في الفضاء الإسقاطي المركب CPd−1\mathbb{CP}^{d-1} يستخدم معادلة شرويدنجر عشوائية وهدف تدريب زمن محلي لعيننة مجموعات الحالات النقية الكمومية بفعالية، مما يعزز تعميم تعلم الآلة الكمومي من خلال تعزيز البيانات على مستوى التمثيل.

Jian Xu, Wei Chen. Chao Li, Jingyuan Zheng, Delu Zeng, John Paisley, Qibin Zhao2026-05-06