cs.LG ورقة بحثية

LLM Sparsity Prior for Robust Feature Selection

تقدم هذه الورقة البحثية "أولوية تشتت النماذج اللغوية الكبيرة" (LSP)، وهي إطار عمل قوي يدمج ديناميكيًا الأوزان المولدة بواسطة النماذج اللغوية الكبيرة في نماذج الاختيار المتغير البايزي لتحسين دقة اختيار الميزات والصلة السريرية، لا سيما في حالات ندرة البيانات، مع التخفيف من مخاطر المخرجات غير الدقيقة للنماذج اللغوية الكبيرة من خلال الضبط التكيفي للمعلمات الفائقة.

Caleb Skinner, Yihan Guo, Meng Li2026-05-25

📊 statistics

Robust OT-Guided Generative Residual Domain Adaptation for Bike-Sharing Demand Prediction under Temporal Domain Shift

تقترح هذه الورقة Gen-ROTDA، وهو إطار عمل للتكيف النطاقي المتبقي التوليدي الموجه بالنقل الأمثل القوي، والذي يتنبأ بفعالية بالطلب على مشاركة الدراجات في ظل التحولات النطاقية الزمنية من خلال نقل الأنماط المتبقية وتقليم مطابقات النقل عالية التكلفة، متفوقاً بذلك على مختلف النماذج المرجعية في السيناريوهات الصاخبة ومتعددة السنوات.

Yiming Ma2026-05-25

🤖 machine learning

When Determinants Are Not Enough: Private Rare Switching

تتناول هذه الورقة فشل قواعد التبديل النمطية القائمة على المحدد في خوارزميات "المنظمات النادرة" (rare switching) في نماذج "البانديت الخطي الخاص" (private linear bandits) والناجم عن عدم الرتابة المستحثة بواسطة الضجيج الغاوسي، وذلك عبر تقديم قاعدة تحديث جديدة قائمة على "خارج قسمة رايلي المعمم" (generalized Rayleigh quotient) تستعيد التحديثات اللوغاريتمية للسياسة وتحليل الندم الصالح.

Xingyu Zhou2026-05-25

🤖 machine learning

Archimedean Copula Inference via Taylor-Mode AD

تقدم هذه الورقة البحثية \textsc{acopula}، وهو إطار عمل مبني على JAX يتيح استدلالاً دقيقاً وفعالاً لـ "كوبولا أرخميدس" المتداخلة التعسفية مع وجود رقابة لكل متغير ومولدات عصبية، وذلك من خلال الاستفادة من التفاضل التلقائي بنمط تايلور لاستبدال الصيغ المشتقة يدوياً بعملية حسابية واحدة قابلة للتفاضل.

Cambridge Yang, Dongdong Li2026-05-25

🤖 machine learning

Infra-Bayesian Reinforcement Learning Agents Outperform Classical RL For Worst-Case Robustness

تقدم هذه الورقة أول تنفيذ لإثبات المفهوم لوكيل تعلم تعزيزي "تحت-بايزي" (infra-Bayesian) يتفوق على التعلم التعزيزي الكلاسيكي في متانة الحالة الأسوأ من خلال التعامل بفعالية مع عدم اليقين "النايتي" (Knightian uncertainty) وعدم دقة النموذج عبر عملية اتخاذ قرار "ماكسيمين" (maximin).

Manish Aryal, Faiyaz Azam, Agnivo Banerjee, Sai Sidhanth Manoharan Jayanthi, Allegra Laro, Clément Legentilhomme, Andrew (…)2026-05-25

💬 NLP

What Does the Server See? Understanding Privacy Leakage from Large Language Models in Split Inference

تكشف هذه الورقة عن ثغرات خصوصية حرجة في الاستدلال المجزأ للنماذج اللغوية الكبيرة من خلال تقديم ActInv، وهي طريقة تعيد بناء مدخلات العميل من التنشيطات الوسيطة رغم الدفاعات الشائعة، وتقترح مقياس عامل تضخيم الاضطراب (PAF) ودفاع PriPert لتحليل وتخفيف مخاطر التسريب هذه بشكل منهجي.

Mingyuan Fan, Yu Liu, Fuyi Wang, Cen Chen2026-05-25

🤖 AI

PoisonForge: Task-Level Targeted Poisoning Benchmark for Instruction-Tuned LLMs

تقدم هذه الورقة البحثية PoisonForge، وهو معيار مرجعي يوضح أن تسميم البيانات على مستوى المهام باستخدام 1% فقط من الأمثلة المصممة يمكن أن ينجح في إجبار النماذج اللغوية الكبيرة المضبوطة بالتعليمات على تضمين كيانات محددة من قبل المهاجم في مخرجات المهام المستهدفة مع الحفاظ على الأداء الطبيعي في مجالات أخرى، مما يكشف أن خيارات تصميم التسميم وليس حجم النموذج هي المحركات الأساسية لنجاح الهجوم.

Luze Sun, Anshuman Suri, Harsh Chaudhari, Cristina Nita-Rotaru, Alina Oprea2026-05-25

💬 NLP

Positional Failures in Long-Context LLMs: A Blind Spot in Reasoning Benchmarks

تكشف هذه الورقة عن فجوة حرجة في معايير تقييم الاستدلال في السياقات الطويلة من خلال إثبات أن التقييمات السائدة تفشل في ضبط موضع المهمة، مما يؤدي إلى انخفاض كبير في الأداء عندما توضع المهام في منتصف السياقات الطويلة بسبب تداخل الحشو، وتقترح إطار عمل تقييم تعفن السياق (CRE) لمعالجة هذه النقطة العمياء الهيكلية.

Chuyifei Zhang, Hongyu Cui, Xiaowen Huang, Jitao Sang2026-05-25

💬 NLP

Self-Improving In-Context Learning

تقترح هذه الورقة طريقة لمعايرة وقت الاختبار للتعلم داخل السياق، تعمل على تحسين تضمينات المطالبات المستمرة من خلال تعظيم مؤشر ثقة ذاتي التوجيه مستمد من الاحتمالات اللوغاريتمية للنموذج، مما يؤدي إلى تحسين الأداء في كل من مهام التصنيف والتوليد دون الحاجة إلى الضبط الدقيق، أو توليد الرموز، أو بيانات خارجية.

Baturay Saglam, Dionysis Kalogerias2026-05-25

🤖 machine learning

Pure Exploration for a Good Policy in Reinforcement Learning with Bandit Feedback

تقدم هذه الورقة هدف تحديد السياسة الجيدة (GPI) في الاستكشاف الخالص لتعلم التعزيز، والذي يهدف إلى إيجاد سياسة تتجاوز عتبة مكافأة معينة بكفاءة بدلاً من السياسة المثلى، وتقترح خوارزمية BEE-GPI التي تحقق تعقيد عينات يقارب الأمثل مع اعتماد على الفجوة بين المكافآت المثلى وعتبة المكافآت بدلاً من حجم فضاء الحالة-الفعل.

Zitian Li, Wang Chi Cheung2026-05-25

→ السابق التالي ←