cs.LG ورقة بحثية

Knowing When to Ask for Help: Bayesian Self-Escalation in Hierarchical LLM Agents

تقدم هذه الورقة إطار عمل للتصعيد الذاتي البايزي لوكلاء النماذج اللغوية الكبيرة الهرميين، والذي يقرر ديناميكيًا متى يتم تفويض المهام إلى نماذج أقوى أثناء عملية الاستدلال من خلال صياغة المشكلة كمسألة توقف أمثل مع توزيع احتمالي خلفي للمهارة مُتعلم، مما يحقق كفاءة في التكلفة وأداءً فائقين مقارنة باستراتيجيات التوجيه التي تتم قبل أو بعد التوليد.

Nadeem Shaikh2026-08-26

🤖 machine learning

The Sharp Tail of Uniform Stability

تغلق هذه الورقة مسألة مفتوحة قائمة منذ فترة طويلة من خلال بناء مشكلة تعلم حتمية ذات خسارة محدودة تحقق الحد العلوي الأمثل لذيول الاحتمالية العالية للاستقرار الموحد، مما يثبت أن فجوة التعميم تتناسب خطياً مع $\log(1/\delta)$ بدلاً من مجرد الاحتمالية الثابتة.

Pahan Dewasurendra2026-08-26

🤖 machine learning

Structured Frequency-Domain Evidence for LLM-Based Time-Series Anomaly Detection

تقترح هذه الورقة إطار عمل للكشف عن الشذوذ في السلاسل الزمنية بنمط "التعلم الصفري" المعزز بالأدلة، والذي يعمل على تحسين أداء النماذج اللغوية الكبيرة عبر دمج أدلة موجزة من النطاق الترددي العالمي والمحلي، يتم حسابها عبر تحويل فوريه السريع (FFT)، لتكملة المدخلات الحالية للنطاق الزمني وتلتقط بشكل أفضل الشذوذ الهيكلي مثل تغير الدورية.

Jungwook Seo, Sangwon Son, Minjeong Kim, Seungmin Han, Seojin Yoo, Sungyong Baik2026-08-26

🤖 machine learning

A mesh-free multiresolution deep energy method with phase-field modeling of brittle fracture

تقترح هذه الورقة طريقة طاقة عميقة متعددة الدقة خالية من الشبكات، تستخدم شبكة عصبية واحدة مع ترميز B-spline تربيعي من الفئة $C^1$ وتكامل مونت كارلو الطبقي الديناميكي لنمذجة الكسر الهش بكفاءة عبر نظرية مجال الطور، محققةً دقة عالية في تنبؤات الحمل والإزاحة وتصنيفاً متفوقاً للشقوق بنمط "التعلم الصفري" مقارنة بالنماذج المرجعية الحالية.

Han Zhang, Mehrisadat Makki Alamdari, Babak Shahbodagh, Mohammad Vahab, Cosmin Anitescu, Timon Rabczuk, Elena Atroshchen (…)2026-08-26

🤖 machine learning

Steering Recurrent Reasoners at Inference Time with Readout Feedback

تقدم هذه الورقة البحثية طريقة "تغذية القراءة الراجعة" (Readout Feedback - RoFB)، وهي طريقة للتحسين أثناء الاستنتاج لا تتطلب تدريباً، تعمل على تحسين أداء نماذج الاستدلال المتكرر عبر استخدام احتمالات القراءة الراجعة المتوسطة لتوجيه الديناميكيات الكامنة، محققةً نتائج متفوقة في مهام مثل السودوكو والمتاهة مقارنة بمجرد زيادة خطوات الحوسبة أو أخذ عينات من مسارات متعددة.

Shunsuke Kamiya, Masanori Koyama, Seongcheol Jeong, Fumiya Uchiyama, Kenji Kubo, Kohei Hayashi, Masahiro Suzuki, Yutaka (…)2026-08-26

🔢 mathematics

Decoupling candidate dual AGN from chance superpositions in the GOTHIC survey via a deep-learning framework

تقدم هذه الورقة إطار عمل يعتمد على التعلم العميق استناداً إلى نموذج YOLOv11، يقوم بإعادة تحليل المرشحين المرفوضين من مسح GOTHIC للتمييز بين النوى المجريّة النشطة المزدوجة الحقيقية وبين حالات التراكب العرضي، مما يسفر عن فهرس منقح يضم ما يقرب من 13,672 إلى 29,605 نظاماً محتملاً يقلل بشكل كبير من التلوث ويوسع تعداد الثقوب السوداء فائقة الكتلة المندمجة.

Bhavesh Mukheja, Snehanshu Saha, Anwesh Bhattacharya, Mousumi Das, Françoise Combes, Sudhanshu Barway2026-08-26

🤖 machine learning

From Relaxed Indexability to Exact Indexability: A $t$ -Step Approach for Partially Observable Restless Bandits

تقترح هذه الورقة سياسة عتبة استشرافية بـ $t$ من الخطوات، والتي توسع نهج الخطية أحادي الخطوة الخاص بـ "ليو" لتقريب مؤشرات "ويتل" (Whittle indices) للنماذج المتقطعة غير المستقرة ذات الإدراك الجزئي، محققةً تقارباً هندسياً مع المؤشر الدقيق مع التحقق في الوقت ذاته من قابلية التعيين (indexability) وتقليل أخطاء التقريب بشكل كبير مقارنة بالنموذج المرجعي.

Qizhen Jia, Keqin Liu2026-08-26

🤖 AI

Paritok-4B: Intent-Conditioned Context Compression for Coding Agents

يُعد Paritok-4B نموذج LoRA مفتوح المصدر، مشروط بالنية، واستخراجي بـ 4 مليارات معلمة، يقوم بضغط سياقات وكلاء البرمجة إلى حوالي 25% من حجمها الأصلي مع الحفاظ على 86.5% من جودة الحل، مما يوفر بديلاً فعالاً من حيث التكلفة للنماذج اللغوية الكبيرة الرائدة والمكلفة لتقليل فواتير الرموز (tokens) دون التأثير بشكل كبير على الأداء.

Jiayu Shi, Luzhuo Chen2026-08-26

🤖 machine learning

PRQ-KMeans: Projection Residual Quantization for Semantic ID Tokenization

تقدم هذه الورقة البحثية PRQ-KMeans، وهي طريقة لترميز المعرفات الدلالية اللاحقة (post-hoc semantic ID tokenization) تُحسّن من عملية التكميم المتبقي التقليدية عبر إزالة مكونات المتوسط العالمي، وتكرير المراكز باستخدام تحديثات موزونة بالتشابه، وتوظيف بقايا الإسقاط لتحقيق أداء فائق في مهام الاسترجاع التوليدي والتوصية.

Yunxiao Luo, Siyuan Wang, Ben Chen, Chenyi Lei2026-08-26

🤖 machine learning

A Data-dependent Early Stopping Rule using Rademacher Complexity with L1-norm

تقترح هذه الورقة إطاراً تحليلياً قائماً على تعقيد رادماخرر مع معيار L1 لتقدير وقت التوقف المبكر الأمثل لنماذج الانحدار الخطي دون الحاجة إلى افتراضات تدريبية أو احتمالية، مما يثبت قابليتها للتطبيق على الشبكات العصبية غير الخطية من خلال الاختبار الخطي.

Duy Hoang, Bastien Berret, Olivier Bruneau, Laurent Fribourg2026-08-26

→ السابق التالي ←

cs.LG

Knowing When to Ask for Help: Bayesian Self-Escalation in Hierarchical LLM Agents

The Sharp Tail of Uniform Stability

Structured Frequency-Domain Evidence for LLM-Based Time-Series Anomaly Detection

A mesh-free multiresolution deep energy method with phase-field modeling of brittle fracture

Steering Recurrent Reasoners at Inference Time with Readout Feedback

Decoupling candidate dual AGN from chance superpositions in the GOTHIC survey via a deep-learning framework

From Relaxed Indexability to Exact Indexability: A ttt-Step Approach for Partially Observable Restless Bandits

Paritok-4B: Intent-Conditioned Context Compression for Coding Agents

PRQ-KMeans: Projection Residual Quantization for Semantic ID Tokenization

A Data-dependent Early Stopping Rule using Rademacher Complexity with L1-norm

From Relaxed Indexability to Exact Indexability: A $t$ -Step Approach for Partially Observable Restless Bandits