cs.LG ورقة بحثية

Empirical Bayes Conformal Prediction for Vision and Language Models

تقدم هذه الورقة إطار عمل للتنبؤ المطابق القائم على بايز التجريبي (Empirical Bayes Conformal Prediction) يستفيد من قيم $r$ لتحويل تباين الدرجات إلى درجة عدم مطابقة مستنيرة باليقين، مما يؤدي إلى تحسين استقرار الترتيب وتقليل إدراج المرشحين الزائفين ذوي التباين العالي في نماذج الرؤية واللغة مع الحفاظ على ضمانات التغطية المستقلة عن التوزيع.

Jiapeng Zeng, Yogesh Prabhu, Zhanpeng Zeng, Michael A. Newton, Vikas Singh2026-05-25

🤖 machine learning

Expand More, Shrink Less: Shaping Effective-Rank Dynamics for Dense Scaling in Recommendation

لمعالجة انهيار التضمين ومحدودية القدرة التعبيرية في بنية RankMixer، تقترح هذه الورقة RankElastor، وهو نموذج توصية مبتكر يتميز بالخلط الكامل المحدّد بالمعلمات وP-FFNs المحسنة بواسطة وحدة بوابة خطية (GLU) التي تعمل على استقرار أطياف التمثيل وتمكين التوسع الكثيف القوي.

Guoming Li, Shangyu Zhang, Junwei Pan, Wentao Ning, Jin Chen, Gengsheng Xue, Chao Zhou, Shudong Huang, Haijie Gu, Mengli (…)2026-05-25

🤖 machine learning

Label-Efficient Dataset Pruning via Semi-Supervised Pseudo-Labeling

تقترح الورقة البحثية SemiPrune، وهو إطار عمل لتقليص مجموعات البيانات بكفاءة في استخدام الملصقات، والذي يستفيد من التسمية المستعارة شبه المراقبة على مجموعة فرعية صغيرة موسومة لتمكين طرق التقليص الخاضعة للإشراف على البيانات غير الموسومة، مما يحقق أداءً هو الأفضل حالياً من خلال التقاط التوزيع المستهدف بشكل أفضل دون الاعتماد على الميزات مسبقة التدريب التي قد تكون غير متطابقة.

Yeseul Cho, Baekrok Shin, Changmin Kang, Chulhee Yun2026-05-25

🤖 AI

Lipschitz Optimization for Formal Verification of Homographies

تقدم هذه الورقة إطار عمل للتحقق الرسمي يستنتج حدوداً خطية محكمة لقيم البكسل تحت اضطرابات حركة الكاميرا ثلاثية الأبعاد من خلال الاستفادة من تحسين ليبشيتز والاستمرارية الجزئية للتحويلات الهوموجرافية، مما يتيح أول ضمانات متينة وصارمة لمتانة الشبكات الرؤيوية في المشاهد المستوية دون الاعتماد على عمليات محاكاة معقدة أو نماذج بديلة.

Jean-Guillaume Durand, Panagiotis Kouvaros, Maxime Gariel, Alessio Lomuscio2026-05-25

🤖 machine learning

WMAttack: Automated Attack Search for Adversarial Evaluation of World-Model Agents

تقدم هذه الورقة WMAttack، وهو إطار عمل مؤتمت يستخدم البحث عن الهجمات ذات التصحيح الذاتي واسترجاع الهجمات الموجه بالتمثيل لتحديد هجمات عدائية أقوى بكثير وبكفاءة ودقة لتقييم متانة وكلاء النماذج العالمية عبر بيئات متنوعة.

Zhixiang Guo, Siyuan Liang, Shi Fu, Cheng Guo, Andras Balogh, Mark Jelasity, Dacheng Tao2026-05-25

🤖 machine learning

Assessing Predictive Models for Fairness Based on Movement Patterns

تقترح هذه الورقة إطار عمل مبتكر لتقييم عدالة النماذج التنبؤية من خلال توسيع مفاهيم العدالة المكانية التقليدية لتشمل أنماط الحركة الفردية عبر مناطق جغرافية متعددة، وذلك باستخدام إحصاءات المسح المكاني للكشف عن التحيزات القائمة على الحركة وتحديد مواقعها بفعالية.

Francesco Lettich, Mario A. Nascimento, Chiara Pugliese, Chiara Renso2026-05-25

🤖 machine learning

Convex Low-resource Accent-Robust Language Detection in Speech Recognition

تقدم هذه الورقة البحثية "الكشف عن اللغة المحدب" (CLD)، وهو إطار عمل مبتكر يستخدم تحسين (ADMM) متعدد المعالجات الرسومية في (JAX) لتحقيق استقرار معتمد ودقة عالية في الكشف عن اللغة في ظل الموارد المنخفضة والمتانة تجاه اللهجات لأنظمة الحوار المنطوق.

Miria Feng, William Tan, Mert Pilanci2026-05-25

🤖 AI

GENSTRAT: Toward a Science of Strategic Reasoning in Large Language Models

تقدم هذه الورقة GENSTRAT، وهو إطار عمل يستخدم بيئات استراتيجية مُولدة إجرائياً وملف تعريف قدرات متعدد المحاور لتقييم التفكير الاستراتيجي للنماذج اللغوية الكبيرة، مما يكشف أن النماذج ذات الأداء العام المتشابه يمكن أن تُظهر نقاط قوة متميزة وتقلبات سلوكية غير متوقعة في سيناريوهات محددة ذات صلة بالنشر.

Vartan Shadarevian, Kia Ghods, Alex Kenich, Anany Kotawala2026-05-25

🤖 machine learning

Self-supervised Adversarial Purification for Graph Neural Networks

تقترح هذه الورقة البحثية إطار عمل GPR-GAE، وهو إطار تنقية تنافسي ذاتي الإشراف يستخدم مشفرًا تلقائيًا رسوميًا متخصصًا مع مرشحات "بيج رانك" المعممة لفصل المتانة عن التصنيف، مما يعمل بفعالية على تطهير البنى الرسومية ضد الاضطرابات التنافسية مع الحفاظ على دقة عالية.

Woohyun Lee, Hogun Park2026-05-25

🤖 machine learning

Convex Optimization for Alignment and Preference Learning on a Single GPU

تقدم الورقة البحثية COALA، وهي خوارزمية جديدة قائمة على التحسين المحدب، تتيح ضبطاً دقيقاً للتفضيلات للنماذج اللغوية الكبيرة بكفاءة باستخدام معالج رسومي واحد (single-GPU) من خلال إلغاء الحاجة إلى نموذج مرجعي وتقليل التكاليف الحسابية بشكل كبير مع الحفاظ على أداء تنافسي مقارنة بطرق مثل DPO.

Miria Feng, Mert Pilanci2026-05-25

→ السابق التالي ←