cs.LG ورقة بحثية

Neural Operator based Multi-Field Reconstruction of Inner Solar Boundary State

تقدم هذه الورقة إطار عمل "المؤثر العصبي المحلي" (LocalNO) لإعادة بناء حالة ديناميكا مائع مغناطيسية شمسية شاملة متعددة المجالات عند 30 نصف قطر شمسي من بيانات محدودة للسرعة الشعاعية والمجال المغناطيسي، مما يوفر شروطاً حدية أساسية لتحسين النمذجة الهليوسفرية والتنبؤ بالرياح الشمسية.

Vignesh Kumar Pandian Sathia, Reza Mansouri, Dustin J. Kempton, Pete Riley, Rafal A. Angryk2026-08-25

🤖 machine learning

GuidedFlow: An Attention-Guided Framework for Anomaly Detection in Additive Manufacturing

تقترح هذه الورقة البحثية GuidedFlow، وهو إطار عمل جديد للتدفق الطبيعي الموجه بالانتباه يستفيد من شبكة ResNet مدربة مسبقاً وشبكة انتباه مكاني-زماني للكشف عن العيوب الدقيقة وتحديد مواقعها في التصنيع بالإضافة بفعالية، متفوقةً بذلك على النماذج الرائدة في كل من مجموعة بيانات AM3D-AD ومقياس MVTec-AD المرجعي.

Sosmita Paul, Krishna Roy2026-08-25

🤖 machine learning

Fairness-Aware Mixture-of-Experts via Subgroup Reweighting and Gate Regularization

تقترح هذه الورقة إطار عمل "خليط من الخبراء" (Mixture-of-Experts) متكاملًا وواعيًا بالعدالة، يعمل على التخفيف من حدة التحيز الناجم عن التوجيه وتفاوت الأداء عبر المجموعات الديموغرافية من خلال الجمع بين إعادة وزن المجموعات الفرعية وتنظيم إنتروبيا البوابة لضمان الاستخدام المتوازن للخبراء مع الحفاظ على أداء تنبؤي تنافسي.

Sunhee Hwang2026-08-25

🤖 machine learning

DIME: Query-Efficient Framework for Membership Inference on Diffusion Models

تقدم الورقة البحثية إطار عمل DIME، وهو إطار عمل قائم على أسس نظرية وعالي الكفاءة في الاستعلام للقيام بالاستدلال على العضوية في نماذج الانتشار، والذي يستفيد من أخطاء إعادة بناء المزالة للضجيج والهندسة المحلية ليتفوق بشكل كبير على الهجمات الحالية باستخدام استعلامين فقط.

Tue Do, Daniel Alabi2026-08-25

🤖 machine learning

Mirror descent algorithms with logarithmic barriers

تحدد هذه الورقة معدلات تقارب وثيقة من رتبة $O(\log k / k)$ لخوارزميات هبوط المرآة (mirror descent) والهبوط المرآتي التقريبي (proximal mirror descent) باستخدام الحواجز اللوغاريتمية في الإعدادات التي تقع فيها الحلول على الحدود، مقدمةً تقنية مبتكرة للتعامل مع تباعدات بريجمان (Bregman divergences) المتباعدة، مما يحل فجوة في نظرية النعومة النسبية، ويقارن النهج مع طرق النقطة الداخلية.

Alberto De Marchi, Yura Malitsky, Adrien B. Taylor2026-08-25

🤖 machine learning

Hierarchy-Aware Supervised Uncertainty Estimation for Black-box LLM Taxonomic Reasoning

تقترح هذه الورقة إطار عمل لتقدير عدم اليقين الخاضع للإشراف والمدرك للهيكلية الهرمية، والذي يستفيد من الميزات البديلة من النماذج اللغوية الكبيرة مفتوحة المصدر لتدريب مُقدِّرات خفيفة الوزن، مما يتفوق بشكل كبير على خطوط الأساس للاحتمالية الرمزية في التنبؤ بالصحة المرتبطة بالرتب ضمن الاستدلال التصنيفي للنماذج اللغوية الكبيرة "الصندوق الأسود" في مراقبة التنوع البيولوجي.

Shuting Xie, Nathaniel Lesperance, Graham W. Taylor2026-08-25

🤖 machine learning

Mapping the Concept Landscape: Structural Perception of Global Distributions for Transparent Data Pruning

تقدم هذه الورقة "رسم خرائط مشهد المفاهيم" (MCL)، وهو إطار عمل شفاف لتقليم البيانات يستبدل التضمينات المجردة برسوم بيانية صريحة على مستوى العينات لنمذجة التوزيعات الدلالية العالمية، مما يمكّن خوارزمية جشعة من اختيار العينات التي تزيد من تغطية المفاهيم النادرة وعالية القيمة بكفاءة.

Dongyue Wu, Tao Ma2026-08-25

🤖 machine learning

The Mask Is Not the Model: Auditing Prefix Invariance in Attention, State-Space, and Hybrid Sequence Models

تقدم هذه الورقة طريقة تدقيق خفيفة الوزن، وخالية من التدريب، تكتشف انتهاكات ثبات البادئة (prefix invariance) في نماذج الانتباه، ونماذج فضاء الحالة، والنماذج الهجينة، وذلك عبر تحديد تسريبات السببية التي تفشل عمليات فحص أقنعة الانتباه القياسية في رصدها.

Taebong Kim, Youngsik Hong, Minsik Kim, Sunyoung Choi, Jaewon Jang, Minseo Kim2026-08-25

📊 statistics

A Commutator Framework for Selective Spectral Alignment in Deep Neural Networks

تقدم هذه الورقة إطاراً هندسياً ذا عرض محدود يستخدم المبدلات (commutators) لإثبات أن المحاذاة الطيفية الانتقائية في الشبكات العصبية العميقة هي ظاهرة تعتمد على الطبقة والمقياس، مدفوعة بآليات النقل والتفاعل والإلغاء، بدلاً من كونها نتيجة حتمية لتدفق التدرج أو تقليل المخاطر.

Kaj Nyström2026-08-25

🤖 machine learning

Safety Hacking in Constrained Best-of- $N$ Inference-time Scaling

تُثبت هذه الورقة أن التوسع في وقت الاستدلال عبر أسلوب "أفضل $N$ من $N$ " المقيد عرضة بطبيعتها لـ "اختراق السلامة"، حيث تلوث نماذج السلامة التقريبية غير المكتملة المجموعة الممكنة، ويؤدي تعظيم المكافأة إلى تضخيم المخرجات غير الآمنة المتبقية، مما يجعل إخفاقات السلامة مؤكدة تقاربيًا مع نمو عدد العينات ما لم تُستخدم آليات محددة للتحكم في التغطية.

Akifumi Wachi, Takumi Tanabe, Youhei Akimoto2026-08-25

→ السابق التالي ←

cs.LG

Neural Operator based Multi-Field Reconstruction of Inner Solar Boundary State

GuidedFlow: An Attention-Guided Framework for Anomaly Detection in Additive Manufacturing

Fairness-Aware Mixture-of-Experts via Subgroup Reweighting and Gate Regularization

DIME: Query-Efficient Framework for Membership Inference on Diffusion Models

Mirror descent algorithms with logarithmic barriers

Hierarchy-Aware Supervised Uncertainty Estimation for Black-box LLM Taxonomic Reasoning

Mapping the Concept Landscape: Structural Perception of Global Distributions for Transparent Data Pruning

The Mask Is Not the Model: Auditing Prefix Invariance in Attention, State-Space, and Hybrid Sequence Models

A Commutator Framework for Selective Spectral Alignment in Deep Neural Networks

Safety Hacking in Constrained Best-of-NNN Inference-time Scaling

Safety Hacking in Constrained Best-of- $N$ Inference-time Scaling