🤖 Category

cs.LG

22512 ورقة بحثية

🤖 machine learning

Clone-Robust Weights in Metric Spaces: Handling Redundancy Bias for Benchmark Aggregation

تقدم هذه الورقة إطاراً نظرياً لبناء دوال ترجيح مقاومة للنسخ في الفضاءات المترية تعمل على توزيع الأهمية بين العناصر المتشابهة لمنع انحياز التكرار في تطبيقات مثل تجميع المعايير المرجعية والتصويت، مسترشدة ببديهيات التماثل والاستمرارية ومقاومة النسخ.

Damien Berriaud, Roger Wattenhofer2026-08-10
🤖 machine learning

Hybrid machine learning data assimilation for marine biogeochemistry

تُظهر هذه الدراسة أن دمج تعلم الآلة في استيعاب البيانات للكيمياء الحيوية البحرية يحسن بشكل كبير من تحديث المتغيرات غير المرصودة، ويقدم مساراً فعالاً من الناحية الحسابية للتغلب على القيود الحالية في أنظمة التنبؤ التشغيلية.

Ieuan Higgs, Ross Bannister, Jozef Skákala, Alberto Carrassi, Stefano Ciavatta2026-08-10
🤖 machine learning

CHIME: A Case for Efficient Long-Context Attention-FC Disaggregated Inference with DIMM-PIM

تقترح هذه الورقة نظام CHIME، وهو أول نظام استدلال منفصل لآلية الانتباه-الطبقة المتصلة بالكامل (Attention-FC) يستفيد من مسرعات DIMM-PIM مع خط أنابيب خالٍ من الفقاعات وإعادة تخطيط هجين الحبيبات لموازنة قيود سعة الذاكرة وعرض النطاق الترددي، محققاً تسريعاً يصل إلى 5.15 ضعفاً مقارنة بحلول HBM-PIM المتطورة.

Qingyuan Liu, Liyan Chen, Haocheng Wang, Yanning Yang, Dong Du, Zhigang Mao, Naifeng Jing, Yubin Xia, Haibo Chen2026-08-10
🔬 condensed matter

Asymptotics of SGD in Sequence-Single Index Models and Single-Layer Attention Networks

تحلل هذه الورقة الديناميكيات عالية الأبعاد للاشتقاق المتدرد العشوائي في نماذج المؤشر الفردي المتسلسلة، كاشفةً عن عملية تدريب ثنائية الطور حيث يؤثر طول التسلسل والترميز الموضعي بشكل حاسم على سرعة التقارب والاصطفاف مع الفضاء الجزئي المستهدف في بنيات الانتباه المبسطة.

Luca Arnaboldi, Bruno Loureiro, Ludovic Stephan, Florent Krzakala, Lenka Zdeborova2026-08-10
🤖 machine learning

Symbolic Graphics Programming with Large Language Models

تقدم هذه الورقة SGP-GenBench لتقييم قدرة النماذج اللغوية الكبيرة على توليد برامج الرسوميات الرمزية (SVGs)، وتقترح نهجاً للتعلم التعزيزي بمكافآت قابلة للتحقق يعزز بشكل كبير جودة التوليد والمواءمة الدلالية، مما يمكّن النماذج مفتوحة المصدر من مضاهاة أداء الأنظمة الرائدة.

Yamei Chen, Haoquan Zhang, Yangyi Huang, Zeju Qiu, Kaipeng Zhang, Yandong Wen, Weiyang Liu2026-08-10
💬 NLP

Let's Unlearn Stereotypes Before Decision-Making: Assessing the Impact of Intrinsic Bias Mitigation on Downstream Fairness in LLMs

تقدم هذه الورقة البحثية "إلغاء التعلم المفاهيمي الواعي بالعدالة" (FACU)، وهو أسلوب على مستوى النموذج يقلل بفعالية من التحيز الجنساني الجوهري في النماذج اللغوية الكبيرة، ويؤدي إلى تحسينات ذات دلالة إحصائية في العدالة اللاحقة عبر مختلف مهام التصنيف الاجتماعي والاقتصادي دون المساس بالأداء التنبؤي.

Mina Arzaghi, Alireza Dehghanpour Farashah, Florian Carichon, Jean-François Plante, Golnoosh Farnadi2026-08-10
🤖 machine learning

λ\boldsymbolλ-Orthogonality Regularization for Compatible Representation Learning

تقدم هذه الورقة البحثية تنظيم التعامد-λ\lambda (λ\lambda-Orthogonality)، وهو أسلوب يجمع بين قيود التعامد المرنة والتحويلات التآلفية لتمكين تعلم التمثيلات المتوافقة عبر الشبكات العصبية المدربة بشكل مستقل، مما يحافظ على هياكل النماذج الأصلية وأداء الصفر-مرحلة (zero-shot) مع التكيف مع التوزيعات الجديدة.

Simone Ricci, Niccolò Biondi, Federico Pernici, Ioannis Patras, Alberto Del Bimbo2026-08-10
🤖 machine learning

Optimization as a Dynamical System: Generative Schedules from Latent ODEs

تقدم هذه الورقة طريقة للتعلم التلوي (meta-learning) تعمل على نمذجة ديناميكيات التدريب كمعادلة تفاضلية عادية كامنة (latent ODE) لتوليد جداول زمنية مثالية وعامة لمعدل التعلم، والتي تتفوق على النماذج المرجعية الحالية وتنتج نماذج ذات قدرة فائقة على التعميم عبر مختلف البنيات.

Matt L. Sampson, Peter Melchior2026-08-10
🤖 AI

Stability of Transformers under Layer Normalization

تقدم هذه الورقة تحليلاً نظرياً وعدديًا رصينًا لكيفية تأثير مواضع تسوية الطبقات (layer normalization) المختلفة على استقرار التمرير الأمامي والخلفي في نماذج المحولات (Transformers)، مع اشتقاق حدود صريحة لنمو الحالة الخفية وانتشار التدرج لتوجيه التصميم المعماري وتدرج المتبقي (residual scaling) من أجل تحسين ديناميكيات التدريب.

Kelvin Kan, Xingjian Li, Benjamin J. Zhang, Tuhin Sahai, Stanley Osher, Krishna Kumar, Markos A. Katsoulakis2026-08-10
📊 statistics

Free Denoising Diffusion Models

تؤسس هذه الورقة إطاراً احتماليًا حراً لنماذج الانتشار لإزالة الضجيج عبر الاستفادة من عمليات أورنشتاين-أولينشتاين الحرة وتحدب الطاقة الحرة لاشتقاق معادلات الزمن العكسي، وأهداف مطابقة الدرجة، وضمانات التقارب، مع تحليل التقلب ذي القيم المؤثرة وبقاء الفجوة الطيفية من خلال التجارب العددية.

Swagatam Das2026-08-10