cs.LG ورقة بحثية

Space-Creating versus Dead Possession: An Off-Ball Possession-Quality Index for Broadcast Football

تقدم هذه الورقة مؤشرًا ثنائي الطبقات لجودة الاستحواذ بدون كرة، يميز بين الاستحواذ العقيم "الميت" وبين التدوير لخلق المساحات من خلال الجمع بين علامة "الاستحواذ غير المجدي" القائمة على التهديد ومؤشر خلق المساحة المستمد من الفيديو، مما يثبت أن هذا المقياس يستوعب قيمة هجومية حاسمة تتجاوز النماذج التقليدية القائمة على الاستحواذ مع الكرة.

Seongjin Choi2026-08-11

💬 NLP

Consilience for Verifier-Free Test-Time Scaling

تقدم هذه الورقة البحثية "consilience"، وهو إطار عمل جديد لتوسيع نطاق وقت الاختبار بدون مُتحقق، يتغلب على قيود الأساليب الحالية القائمة على الثقة من خلال اختيار مسارات الاستدلال بناءً على عدم تماثل زمني محدد — يتميز بثقة أولية منخفضة للاستكشاف وثقة نهائية عالية للتقارب — مما يؤدي إلى تحسين الأداء بشكل كبير في مهام الرياضيات والبرمجة المعقدة.

Lecheng Kong, Like Hui, Haitao Mao, Jun Huan2026-08-11

🤖 machine learning

Fairness in Link Prediction Beyond Demographic Parity: A Reproducibility Study

تُثبت دراسة إعادة الإنتاج هذه أن مقياس NDKL المقترح المعتمد على الرتب وطريقة المعالجة اللاحقة MORAL يكشفان بفعالية عن انحيازات التعرض في التنبؤ بالروابط ويخففان من حدتها، وهي الانحيازات التي تغفل عنها المساواة الديموغرافية التقليدية، مع الحفاظ في الوقت ذاته على فائدة تنافسية عبر إعدادات متنوعة.

Valentijn Oldenburg, Floris de Kam, Stef de Wildt, Jarno Nilson Balk2026-08-11

💬 NLP

Multimodal Model Diffing for Feature Discovery and Control

تقدم هذه الورقة البحثية MMDiff، وهو إطار عمل لتمييز النماذج متعددة الوسائط (multimodal model-diffing) يستخدم المشفرات التلقائية المتفرقة (sparse autoencoders) لعزل واكتشاف والتحكم السببي في سمات محددة في النماذج اللغوية الكبيرة متعددة الوسائط، مما يتيح تحسينات مستهدفة في الفهم المكاني، والتعرف الضوئي على الحروف (OCR)، والسلامة مع الحفاظ على الأداء العام.

Hunar Batra, Lachin Naghashyar, Ashkan Khakzar, Philip Torr, Christian Schroeder de Witt, Constantin Venhoff, Ronald Cla (…)2026-08-11

🤖 machine learning

Phase diagram of Stochastic Gradient Descent in high-dimensional two-layer neural networks

تتقصى هذه الورقة الانتقال الطوري بين نظامي الإفراط في المعلمات والنظام الضيق في الشبكات العصبية ثنائية الطبقات عالية الأبعاد من خلال تحليل التفاعل بين معدل التعلم، والمقياس الزمني، والوحدات الخفية في خوارزمية الانحدار الاشتقاقي العشوائي، ممتدةً بذلك الأوصاف الحتمية القائمة على الفيزياء الإحصائية لتقديم معدلات تقارب دقيقة.

Rodrigo Veiga, Ludovic Stephan, Bruno Loureiro, Florent Krzakala, Lenka Zdeborová2026-08-10

🤖 machine learning

High-dimensional Asymptotics of Denoising Autoencoders

تستنتج هذه الورقة تعبيرات ذات صيغة مغلقة لمتوسط مربع الخطأ في إزالة الضجيج لمشفر تلقائي غير خطي ذي طبقتين مع أوزان مترابطة واتصال تخطي، مما يثبت ميزته الكمية على البنى التي تفتقر إلى اتصالات التخطي ويتحقق من هذه النتائج النظرية على مجموعات بيانات واقعية.

Hugo Cui, Lenka Zdeborová2026-08-10

🤖 machine learning

Probabilistic Block Term Decomposition for the Modelling of Higher-Order Arrays

تقترح هذه الورقة البحثية تفكيكاً كتلويًا بايزيًا متغيرًا (pBTD) فعالًا يستخدم توزيع مصفوفة فون ميسيس فيشر لفرض التعامد، مما يثبت فعاليته في استنتاج الأنماط بدقة وتحديد رتبة النموذج لبيانات التنسور ذات الرتب العليا والمشوبة بالضجيج.

Jesper Løve Hinrich, Morten Mørup2026-08-10

🤖 machine learning

A phase transition between positional and semantic learning in a solvable model of dot-product attention

تقدم هذه الورقة توصيفاً نظرياً لانتقال طوري في نموذج انتباه حاصل على حاصل الضرب النقطي، حيث تُظهر أن زيادة تعقيد العينة تدفع نحو ظهور آليات انتباه دلالية من الآليات الموضعية، مما يُمكّن في النهاية من تحقيق أداء متفوق على النماذج الخطية المرجعية.

Hugo Cui, Freya Behrens, Florent Krzakala, Lenka Zdeborová2026-08-10

🤖 machine learning

Convergence of Diffusion Models Under the Manifold Hypothesis in High-Dimensions

تثبت هذه الورقة أن نماذج الانتشار الاحتمالية لإزالة الضجيج (DDPMs) تحقق معدلات تقارب مستقلة عن الأبعاد لكل من تعلم النتيجة (score learning) وأخذ العينات تحت فرضية المتشعب، وذلك من خلال تقديم إطار عمل مبتكر يربط نماذج الانتشار بنظرية القيم القصوى للعمليات الغاوسية.

Iskander Azangulov, George Deligiannidis, Judith Rousseau2026-08-10

🤖 AI

Harnessing the Synergy between LLM Agents and Knowledge Graphs for Urban Socioeconomic Prediction

تقترح هذه الورقة إطار عمل تآزرياً يدمج وكلاء النماذج اللغوية الكبيرة (LLM) مع الرسوم البيانية للمعرفة لتعزيز التنبؤ بالخصائص الاجتماعية والاقتصادية الحضرية، وذلك عبر الاستفادة من استدلال النماذج اللغوية الكبيرة لتحديد المسارات الوصفية (meta-paths) الخاصة بمهام محددة، وآلية تواصل عبر المهام للدمج المعرفي التكيفي.

Zhilun Zhou, Jingyang Fan, Yu Liu, Fengli Xu, Depeng Jin, Yong Li2026-08-10

→ السابق التالي ←