🤖 Category

cs.LG

22512 ورقة بحثية

🤖 machine learning

Bit-Accurate FPGA Evaluation of Learned Feature Gating in a Fixed-Point Fourier-Feature Automatic Modulation Classifier

تقدم هذه الورقة تقييماً دقيق البتات (bit-accurate) على مصفوفة بوابات منطقية قابلة للبرمجة (FPGA) يوضح أن بوابات الميزات المتعلمة (learned feature gating)، على الرغم من زيادة استهلاك موارد الأجهزة وزمن التأخير، تفشل في تحسين دقة التصنيف مقارنة بالنماذج ذات النقطة الثابتة غير المبوّبة في مصنف التعديل التلقائي.

Gawthaman Senthilvelan, Luthira Abeykoon2026-07-28
🤖 machine learning

Evaluating Fuzz Testing for Reinforcement Learning Agents

تقدم هذه الورقة أول دراسة تجريبية شاملة تقيم بشكل منهجي خمس طرق من أحدث أساليب اختبار الاختراق (fuzzing) القائمة على التعلم التعزيزي من حيث الفعالية، والتنوع، والكفاءة، والمنفعة العملية، كاشفةً أن الجمع بين الاستراتيجيات الموجهة نحو الإنتاجية وتلك الموجهة نحو الاستكشاف يحقق تفوقاً في اكتشاف الانهيارات وتحسينات في المتانة.

Zhibin Kang, Hanmo You, Dong Wang, Haiming Zheng, Junjie Chen2026-07-28
💬 NLP

Sparse Autoencoders Encode Both Concepts and Functions: The Downstream Geometry of Feature Effects

تقدم هذه الورقة تحليل هندسة التأثير-الميزة (FEGA) لتوضيح أنه بينما يمكن لميزات المشفّر التلقائي المتناثر أن تكون ذات صلة سببية، إلا أنها نادراً ما تعمل كاتجاهات توجيه مستقرة، حيث تُظهر بدلاً من ذلك أنماطاً هندسية متميزة حيث تنتج الميزات "الشبيهة بالقيمة" تأثيرات مهيكلة، بينما تولد الميزات "الشبيهة بالمؤشر" تغيرات منتشرة ومعتمدة على السياق.

Phu Gia Hoang, Anwoy Chatterjee, Tanmoy Chakraborty, Iryna Gurevych, Subhabrata Dutta2026-07-28
🤖 machine learning

When Can You Correct Distribution Drift in Temporal Graph Generation? A Sharpening--Drift Tension and an Impossibility for Observation-Based Correction

تُظهر هذه الورقة أن انزياح التوزيع في توليد الرسوم البيانية الزمنية يتسبب في حد أدنى من الخطأ غير القابل للاختزال لا يمكن تصحيحه باستخدام الملاحظات الماضية، نظرًا لأن الانزياح عديم الاتجاه وعائد إلى المتوسط، مما يجعل التصحيح القائم على الملاحظة غير فعال مقارلاً بالبقاء دون فعل شيء.

Tianpeng Li, Xuan Guo, Wenjun Wang, Wang Zhang, Pengfei Jiao2026-07-28
🤖 machine learning

MMOE: Modernizing Diffusion Transformers with Efficient Expert Design

تقدم الورقة البحثية ModernMOE (MMOE)، وهي بنية محوّلة انتشار حديثة (modernized diffusion transformer architecture) تطوع مبادئ توسيع النماذج اللغوية الكبيرة (LLM) الفعالة — مثل الخبراء الموجهين (routed experts)، والخبراء المشتركين خفيفي الوزن (shared lightweight experts)، والتوجيه المتبقي (residual routing) — لتحقيق تقارب أسرع وتوازن فائق بين الجودة والتكلفة في توليد المحتوى الناتج عن الذكاء الاصطناًعي التوليدي (AIGC) مقارنة بالنماذج الكثيفة والأساسية المتفرقة التقليدية، وكل ذلك ضمن ميزانية تدريب متاحة على جهاز واحد.

Yanhao Jia, Jiepeng Wang, Haibin Huang, Chi Zhang, Erik Cambria, Xuelong Li2026-07-28
🤖 machine learning

Explainable Reinforcement Learning via Physics-Aware Policy Distillation

تقدم هذه الورقة إطار عمل لتقطير السياسات المدرك للفيزياء ينجح في تحويل وكيل Twin Delayed DDPG عالي الأداء وغير شفاف إلى شجرة قرار بديلة قابلة للتفسير لمهام التحكم المستمر، محققاً أداءً بمستوى الخبراء واستقراراً من نوع (BIBO)، مع الكشف عن المقايضات المتأصلة في التفعيل القائم على القواعد المنفصلة.

Shaker Al-Tamari, Waled Kadour2026-07-28
📊 statistics

Causal-TS: A Python Library for Causal Discovery in High-Dimensional and Nonstationary Time Series

تقدم هذه الورقة Causal-TS، وهي مكتبة بايثون مفتوحة المصدر مصممة للاكتشاف السببي في السلاسل الزمنية متعددة المتغيرات عالية الأبعاد وغير المستقرة، وتتميز بخوارزميات متخصصة، واختبار استقلال شرطي مسرع بواسطة وحدة معالجة الرسومات، ومسار عمل متكامل يجمع بين اكتشاف الأنظمة، وتعلم البنية السببية، وتقدير الأثر.

Mohammad Fesanghary2026-07-28
🤖 machine learning

Co-Learning for Missing Arbitrary Modalities in Multi-modal Classification

تقدم هذه الورقة إطار عمل للتعلم المشترك متعدد الوسائط مصمم للتعامل مع فقدان أي وسائط عشوائية في مهام التصنيف من خلال إعطاء الأولوية للتعاون بين الوسائط على الدمج، مقدمةً نهجين متكاملين يظهران مكاسب ملحوظة في المتانة عبر درجات متفاوتة من غياب الوسائط.

Francisco Mena, Dino Ienco, Roberto Interdonato, Cassio F. Dantas, Simon Besnard2026-07-28
🤖 machine learning

Rethinking Classifier-Free Guidance in On-Policy Diffusion Distillation

تحدد هذه الورقة نمط فشل يُسمى "عدم التماثل في الفرع السالب" (Negative Branch Asymmetry) في عملية تقطير الانتشار داخل السياسة (on-policy diffusion distillation) تحت توجيه خالي من المصنف (classifier-free guidance)، حيث يتسبب مطابقة السرعة الساذجة في أخطاء فرعية متضادة، وتقترح "مطابقة الاتجاه الإيجابي" (Positive-Direction Matching) كهدف مدرك للفرع لتمكين نقل المعرفة القوي.

Bingnan Li, Haozhe Wang, Haozhong Xiong, Fangtai Wu, Jinpeng Yu, Yang Shi, Jiaming Liu, Ruihua Huang2026-07-28
📊 statistics

The Role of Pseudo-labels in Self-training Linear Classifiers on High-dimensional Gaussian Mixture Data

تقدم هذه الورقة توصيفاً تقاربياً دقيقاً للتدريب الذاتي للمصنفات الخطية على المزيج الغاوسي عالي الأبعاد، مما يكشف عن تحسينه للتعميم من خلال آليات متميزة تعتمد على عدد التكرارات، مع تقديم استدلالات للتغلب على تدهور الأداء الناتج عن عدم توازن الملصقات.

Takashi Takahashi2026-07-27