cs.LG ورقة بحثية

Massive-STEPS: Massive Semantic Trajectories for Understanding POI Check-ins -- Dataset and Benchmarks

تقدم هذه الورقة Massive-STEPS، وهي مجموعة بيانات مرجعية واسعة النطاق ومتاحة للعموم تغطي 15 مدينة متنوعة مع بيانات وصفية غنية ومعززة لنقاط الاهتمام (POI) وتغطية زمنية ممتدة، صُممت للتغلب على القيود الموجودة في بيانات التنقل وتسهيل الأبحاث القابلة لإعادة الإنتاج في نمذجة المسارات البشرية.

Wilson Wongso, Hao Xue, Flora D. Salim2026-08-26

⚛️ quantum physics

Reconquering Bell sampling on qudits: stabilizer learning and testing, quantum pseudorandomness bounds, and more

تقدم هذه الورقة تعميماً جديداً لأخذ عينات بيل (Bell sampling) لـ "الكيوديتات" (qudits) بجميع أبعادها $d \geq 2$ ، وذلك بالاستفادة من وحدة (unitary) جديدة تعتمد على مبرهنة لاغرانج للأربعة مربعات لتمكين التعلم الفعال للمثبت (stabilizer)، والاختبار، وحدود العشوائية الزائفة التي لم تكن معروفة سابقاً للأنظمة الكمومية ذات الأبعاد الأعلى.

Jonathan Allcock, Joao F. Doriguello, Gábor Ivanyos, Miklos Santha2026-08-26

⚡ electrical engineering

A Robust Task-Level Control Architecture for Learned Dynamical Systems

تقترح هذه الورقة أنظمة ديناميكية معززة بـ L1 (L1-DS)، وهي بنية تحكم قوية على مستوى المهام تجمع بين متحكم استقرار اسمي، ومتحكم تكيفي من نوع L1، ومحدد أهداف يعتمد على تقنية "التشويه الزمني الديناميكي" (Dynamic Time Warping) بنظام النافذة، وذلك لمعالجة عدم التطابق في تنفيذ المهام وعدم المحاذاة الزمنية في تخطيط الحركة الناتج عن التعلم من الأمثلة القائم على الأنظمة الديناميكية بشكل فعال.

Eshika Pathak, Ahmed Aboudonia, Sandeep Banik, Naira Hovakimyan2026-08-26

💬 NLP

Can Large Language Models Still Explain Themselves? Investigating the Impact of Quantization on Self-Explanations

تبحث هذه الورقة في كيفية تأثير التكميم على التفسيرات الذاتية للنماذج اللغوية الكبيرة، وتجد أنه بينما يتسبب ذلك عمومًا في انخفاضات متوسطة في جودة التفسير، والأمانة، وثقة المستخدم، فإن التأثير يتباين باختلاف السياق وحجم النموذج، مما يستلزم التحقق من الحالة الخاصة قبل النشر.

Qianli Wang, Nils Feldhus, Pepa Atanasova, Fedor Splitt, Simon Ostermann, Sebastian Möller, Vera Schmitt2026-08-26

🤖 machine learning

E2HiL: Entropy-Guided Sample Selection for Efficient Real-World Human-in-the-Loop Reinforcement Learning

تقترح الورقة البحثية E2HiL، وهو إطار عمل لاختيار العينات بتوجيه من الإنتروبيا للتعلم التعزيزي في الواقع العملي مع وجود الإنسان في الحلقة، والذي يعمل على تحسين كفاءة العينات ومعدلات النجاح من خلال التصفية النشطة للعينات الضوضائية وعينات الاختصارات للاحتفاظ فقط بتلك التي لها تأثير متوسط على إنتروبيا السياسة.

Haoyuan Deng, Yudong Lin, Yuanjiang Xue, Haoyang Du, Qianzhun Wang, Boyang Zhou, Zhenyu Wu, Ziwei Wang2026-08-26

🤖 machine learning

QiMeng-ChipV-RTL: Exploiting Information Locality for IP-level Verilog Generation

تقدم هذه الورقة ChipV-RTL، وهو إطار عمل متعدد الوكلاء يستفيد من محلية المعلومات لتفكيك توليد لغة Verilog المعقدة على مستوى الـ IP إلى مهام فرعية يمكن إدارتها، متفوقاً بشكل كبير على النماذج الحالية الرائدة من خلال تحقيق معدل نجاح بنسبة 45.0% في اختبار RealBench.

Hanqi Lyu, Di Huang, Yaoyu Zhu, Kangcheng Liu, Bohan Dou, Chongxiao Li, Pengwei Jin, Shuyao Cheng, Rui Zhang, Zidong Du (…)2026-08-26

📊 statistics

Anytime Pretraining: Horizon-Free Learning-Rate Schedules with Weight Averaging

تُثبت هذه الورقة أن الجمع بين متوسط الأوزان وجداول معدل التعلم البسيطة الخالية من الأفق (مثل الاضمحلال متعدد الحدود أو $1/\sqrt{t}$ ) يحقق أداءً نهائيًا مماثلاً لجداول جيب التمام المضبوطة للنماذج اللغوية الكبيرة، مما يقدم بديلًا عمليًا ومرتكزًا على أسس نظرية للتدريب في الإعدادات مفتوحة النهايات حيث يكون الأفق الإجمالي غير معروف.

Alexandru Meterez, Pranav Ajit Nair, Depen Morwani, Cengiz Pehlevan, Sham Kakade2026-08-26

🤖 machine learning

How to Achieve the Intended Aim of Deep Clustering Now, without Deep Learning

تُظهر هذه الورقة أن القيود الجوهرية لتقسيم المجموعات بطريقة $k$ -means، مثل التعامل مع الأشكال والكثافات التعسفية، يمكن معالجتها بفعالية دون استخدام التعلم العميق من خلال الاستفادة من المعلومات التوزيعية للمجموعات، مما يتحدى الضرورة المفترضة للتمثيلات العميقة من أجل التقسيم العميق.

Kai Ming Ting, Wei-Jie Xu, Hang Zhang2026-08-26

🤖 machine learning

Do physics-informed neural networks (PINNs) need to be deep? Shallow PINNs using the Levenberg-Marquardt algorithm

تُثبت هذه الورقة أن الشبكات العصبية الضحلة المستوحاة من الفيزياء (PINNs) التي يتم تدريبها باستخدام خوارزمية ليفنبرج-ماركوارتت وجاكوبيات تحليلية صريحة، تتفوق على الشبكات الأعمق والمحسنات من الدرجة الأولى في حل المعادلات التفاضلية الجزئية غير الخطية، مما يوفر تقارباً ودقة وكفاءة حوسبية فائقة مع عدد أقل من المعلمات.

Muhammad Luthfi Shahab, Imam Mukhlash, Hadi Susanto2026-08-26

🤖 AI

ICA: Information-Aware Credit Assignment for Visually Grounded Long-Horizon Information-Seeking Agents

تقترح هذه الورقة البحثية إطار عمل "تخصيص الائتمان المدرك للمعلومات" (ICA)، وهو إطار عمل متمحور حول الأدلة يستخدم لقطات مستقرة لصفحات الويب لتحديد وحدات المعلومات عالية المنفعة وتخصيص مكافآت كثيفة للخطوات المتوسطة، مما يحسن بشكل كبير أداء الوكلاء الباحثين عن المعلومات الموجهين بصرياً عبر آفاق زمنية طويلة عبر عدة معايير قياسية.

Cong Pang, Xuyu Feng, Yujie Yi, Jiaqi Su, Zixuan Chen, Jiawei Hong, Tiankuo Yao, Nang Yuan, Jiapeng Luo, Lewei Lu, Xin L (…)2026-08-26

→ السابق التالي ←