cs.LG ورقة بحثية

When Rule Violations Are Rare: Chimera Training for Logical Anomaly Detection

تقترح هذه الورقة "تدريب الكيميرا" (chimera training)، وهي طريقة لبناء أمثلة مضادة على مستوى الميزات تقوم بتوليف أمثلة مضادة منطقية خاضعة للإشراف عبر دمج ميزات الأشجار الفرعية من عينات مختلفة، مما يمكّن مُقيّم القواعد العصبية من اكتشاف الشذوذ الدلالي بفعالية حتى في حالة غياب انتهاكات القواعد الحقيقية أثناء التدريب.

Alejandro Ascarate, Leo Lebrat, Rodrigo Santa Cruz, Clinton Fookes, Olivier Salvado2026-05-27

🤖 machine learning

InfoQuant: Shaping Activation Distributions for Low-Bit LLM Quantization

تُعد InfoQuant طريقةً للكمّ ما بعد التدريب لا تتطلب تدريباً، حيث توظف تحويل ذروة الكبت المتعامد (PSOT) واختيار الرموز الشاذة التكيفي لإعادة تشكيل توزيعات التنشيط إلى شكل مدمج ومشتت جيداً، مما يقلل بشكل كبير من خطأ الكمّ ويتفوق على النماذج المرجعية الحالية لنشر النماذج اللغوية الكبيرة منخفضة البت.

Ke Li, Dong An, Xiaoling Zang, Can Ye, Liang Xie, Qibo Qiu, Chen Shen, Xiaofei He, Wenxiao Wang2026-05-27

💻 computer science

ATOM: Instantiating Budget-Controllable Multi-Agent Collaboration via Nucleus-Electron Hierarchy

تقدم الورقة البحثية ATOM، وهو إطار عمل تكيفي متعدد الوكلاء يستخدم تسلسلاً هرمياً من النواة والإلكترون وتعلم تعزيزياً مدفوعاً بالمهام لإنشاء رسوم بيانية تعاونية ديناميكية قابلة للتحكم في الميزانية، محققاً أداءً هو الأفضل في فئته مع تحسن يصل إلى 30% في كفاءة الرموز (tokens) من خلال مواءمة الموارد الحسابية مع صعوبة الاستعلام.

Xinkui Zhao, Sai Liu, Yifan Zhang, Qingyu Ma, Zewen Lin, Naibo Wang, Guanjie Cheng, Chang Liu, Yueshen Xu2026-05-27

🧬 biology

What Molecular Structure Cannot Tell Us: A Taxonomy of Explainability Gaps in GNN-Based Drug Toxicity Prediction

تكشف هذه الدراسة أن البنية الجزيئية وحدها لا تفسر سوى حوالي 45% من الآثار الضارة المعروفة لحمض الأسيتيل ساليسيليك، وتستحدث تصنيفاً رباعي الفئات لتصنيف فجوات القابلية للتفسير في تنبؤ سمية الأدوية القائم على الشبكات العصبية الرسومية (GNN)، مما يسلط الض الضوء على القيود الحرجة لسير عمل السلامة التنظيمي.

Juergen Dietrich2026-05-27

🤖 machine learning

GAC: Noise-Aware Adaptive Mixing for Hybrid SFT-RL Post-Training

تقترح الورقة البحثية GAC، وهو متحكم خلط تكيفي مدرك للضوضاء يقوم بضبط التوازن ديناميكيًا بين الضبط الدقيق الخاضع للإشراف والتعلم التعزيزي بناءً على تقديرات آنية لتباين التدرج وعدم الاتفاق في الإشارة، مما يحسن أداء ما بعد التدريب الهجين عبر مجالات متنوعة بأقل قدر من العبء الإضافي.

Yuelin Hu, Zhenbo Yu, Zhengxue Cheng, Wei Liu, Li Song2026-05-27

🤖 machine learning

Max-Window Scale Estimation for Near-Lossless HiF8 W8A8 Quantization-Aware Training

تحدد هذه الورقة وتعالج نمطي فشل متميزين في التدريب الواعي بالكمية من نوع HiF8 W8A8 —وهما تشبع الـ amax والنسيان الكارثي— عبر تقديم استراتيجية تقدير مقياس نافذة الحد الأقصى وجدول إحماء BF16، محققةً بذلك أداءً يقارب انعدام الفقد في نموذج OpenPangu-Embedded-1B.

Yingying Cheng, Jinquan Shi, Li Zhou, Zhiyang He, Zhaoyi Sun, Fan Zhang, Jie Sun2026-05-27

🤖 machine learning

From Privacy to Generalization: Linear Max-Information Bounds for DP-SGD

تضع هذه الورقة حداً على المعلومات القصوى التقريبية لـ DP-SGD يعتمد على عينة محدودة ويكون خطياً في حجم مجموعة البيانات، مما يتيح اشتقاق حدود صريحة لـ PAC-Bayes والتعميم لنماذج التعلم العميق ذات الخصوصية التفاضلية.

Christoph H. Lampert, Hossein Zakerinia2026-05-27

🤖 machine learning

Provably Communication-Efficient and Privacy-Preserving Federated Graph Neural Networks

تقدم الورقة البحثية CE-FedGNN، وهو إطار عمل للشبكات العصبية الرسومية الاتحادية يحقق تقارباً قابلاً للإثبات وضمانات رسمية للخصوصية التفاضلية للمقاييس مع تقليل تكاليف الاتصال بشكل كبير والحفاظ على الدقة في سيناريوهات تعلم الرسوم البيانية الموزعة.

Zhishuai Guo, Wenhan Wu, Chen Chen, Lei Zhang, Olivera Kotevska, Ravi K Madduri2026-05-27

🤖 machine learning

Unified Neural Scaling Laws

تقدم الورقة البحثية قانون توسع عصبي موحد (UNSL)، وهو شكل دالي ينمذج ويتنبأ بدقة بأداء مختلف الشبكات العصبية العميقة عبر أبعاد متعددة متزامنة — بما في ذلك حجم النموذج، والبيانات، والحوسبة، والمعلمات الفائقة — متفوقاً على قوانين التوسع الحالية من حيث الدقة عبر مهام الرؤية، واللغة، والرياضيات، والتعلم التعزيزي.

Ethan Caballero, Priyank Jaini, David Krueger, Irina Rish2026-05-27

🤖 machine learning

Scaling World-Model Reinforcement Learning Through Diffusion Policy Optimization

تقدم هذه الورقة البحثية "تحسين سياسة الانتشار القائم على النموذج" (MBDPO)، وهو إطار عمل يوحد بين عملية البحث وتعلم السياسة ضمن نماذج العالم من خلال إعادة صياغة تحسين السياسة كعملية انتشار عبر المسارات التي تم البحث عنها، وذلك لمعالجة عدم الاتساق الهيكلي وتمكين التعلم المعزز القابل للتوسع والمتسق.

Xiaoyuan Cheng, Wenxuan Yuan, Zhancun Mu, Yuanzhao Zhang, Yiming Yang, Hai Wang, Zhuo Sun, Che Liu2026-05-27

→ السابق التالي ←