cs.LG ورقة بحثية

Scaffolding Minds: Optimizing Latent Visual Target Representations for Multimodal Reasoning

تقترح الورقة البحثية "Scaffolding Minds"، وهي طريقة تعمل على تحسين الاستدلال متعدد الوسائط من خلال إدخال مشفر تدعيم مخصص لتمثيلات أهداف كامنة أفضل في الضبط الدقيق الخاضع للإشراف، وتعلم كل من المتوسط والتباين لعينة التعلم المعزز لتمكين الاستكشاف الفعال، مما يتفوق بشكل كبير على النماذج المرجعية الحالية عبر مختلف مهام الاستدلال البصري.

Haoqiang Kang, Yinpeng Chen, Luyang Liu, Jesper Sparre Andersen, Abhijit Ogale, Baochen Sun, Lichan Hong, Ed H. Chi2026-08-21

🤖 machine learning

Learning Deterministic and Stochastic Forced Hamiltonian Systems

تقدم هذه الورقة إطاراً هندسياً وفئة جديدة من الشبكات العصبية الحافظة للبنية، تُسمى الشبكات العصبية الهاميلتونية القسرية المعممة (GFHNNs)، لتعلم الأنظمة الهاميلتونية القسرية الحتمية والعشوائية، مما يظهر استقراراً ودقة وكفاءة في البيانات على المدى الطويل تتفوق بها على البدائل غير الهندسية.

Benedikt Brantner, Tomasz Tyranowski2026-08-21

💬 NLP

Projector Is All You Train

تُثبت هذه الورقة أنه بالنسبة للنماذج اللغوية الكبيرة ثلاثية الأبعاد متعددة الوسائط، فإن تدريب جهاز الإسقاط (projector) فقط مع إبقاء العمود الفقري للنموذج اللغوي مجمدًا يعد كافيًا لتحقيق أداء قوي، وتجنب انحراف القدرات، ومضاعفة إنتاجية التدريب مقارنة بالتدريب المشترك.

Nyx Iskandar, Saathvik Selvan, Slater Victoroff2026-08-21

🤖 machine learning

A Locally Tokenized Generative Model for Robust Time-Series Watermarking

تقدم الورقة البحثية L-VQVAE وLVQMark، وهو إطار عمل توليدي يعتمد على التجزئة المحلية (locally tokenized) يتغلب على عدم استقرار العلامات المائية الحالية للسلاسل الزمنية تحت هجمات ما بعد التحرير من خلال ضمان اعتماد كل رمز (token) فقط على جوار زمني محدود، مما يؤدي إلى استقرار موثوقية الكشف عبر معايير التمويل والطاقة والتصوير العصبي.

Dongbin Kim, Geonwoo Shin, Yujin Choi, Soyeon Park, Jaewook Lee2026-08-21

🤖 machine learning

Question-Guided Evidence Acquisition for Multimodal Visual Question Answering

تقدم الورقة البحثية Q-Guide، وهو وكيل موجه بالأسئلة يعمل على تحسين الإجابة على الأسئلة البصرية متعددة الوسائط من خلال تخصيص حوسبة وقت الاستدلال ديناميكيًا للحصول على أدلة مستهدفة (مثل قراءة النصوص، أو التكبير، أو تحديد المناطق) بدلاً من الاعتماد على ترميز ثابت واحد، مما يتفوق بشكل كبير على الأساليب الحالية في DocVQA2026 وManga109 من خلال الإدراك المتعمد متعدد الجولات.

Alin-Ionut Popa2026-08-21

🤖 machine learning

Far from the Crowd: Scalable Self-Supervised Learning via Geographic Isolation

تقترح هذه الورقة استراتيجية تعلم منهجي قابلة للتوسع وخالية من الملصقات للتدريب المسبق ذاتي الإشراف في الاستشعار عن بعد، تقوم بترتيب العينات بناءً على العزلة الجغرافية، مما يحقق أداءً فائقاً في المهام اللاحقة بتكاليف حوسبة وميزانيات تدريب أقل بكثير مقارنة بالنهج القائم على التعقيد البصري.

Daniele Rege Cambrin, Francesco Rossi, Mattia Varile2026-08-21

📊 statistics

skchange: Fast and Flexible Algorithms for Changepoint Detection

تُعد Skchange مكتبة بايثون مفتوحة المصدر عالية الأداء، توفر إطار عمل موحداً متوافقاً مع scikit-learn للكشف عن نقاط التغيير والقطع الشاذة في السلاسل الزمنية أحادية المتغير وعالية الأبعاد باستخدام خوارزميات نمطية ذات أسس نظرية مع معايرة تلقائية للعقوبات.

Martin Tveten, Johannes Voll Kolstø, Per August Jarval Moen2026-08-21

🤖 machine learning

Learning piecewise-smooth dynamical systems

تقدم هذه الورقة إطار عمل معياري لاكتشاف الأنظمة الديناميكية ذات السلاسة الجزئية من بيانات المسارات، وذلك عبر الجمع بين التحليل الإحصائي لإمكانية تحديد المستويات الفائقة للتبديل وبين الشبكات العصبية المقيدة هندسياً لتعلم المعادلات الحاكمة وتوصيف السلوكيات غير المتصلة مثل الحركة الانزلاقية.

Davide Murari, Erik Jansson, Chris Budd OBE, Carola-Bibiane Schönlieb2026-08-21

🤖 machine learning

Adaptive Probabilistic Shielding by Learning MDPs for Safe Reinforcement Learning

تقترح هذه الورقة إطار عمل حماية احتماليًا تكيفيًا للتعلم التعزيزي الآمن يدمج تعلم النموذج عبر الإنترنت لحساب وتحديث قيود السلامة ديناميكيًا مع تقدير احتمالات الانتقال من عملية قرار ماركوف غير معروفة في البداية.

Astrid Horn Brorholt (Aalborg University, Aalborg, Denmark), Maris F. L. Galesloot (Radboud University, Nijmegen, Nether (…)2026-08-21

🤖 machine learning

Inadvertent Context Leakage in Language Models

تُثبت هذه الورقة أن النماذج اللغوية المتقدمة تسرب دون قصد أسراراً حساسة ضمن السياق، مثل بيانات الاعتماد والسجلات الصحية، من خلال استجاباتها الحميدة للمطالبات العادية، مما يكشف أن هذه الثغرة هي نتاج عرضي متأصل في قدرة النموذج وليست خطأً برمجياً يمكن إصلاحه.

Jaiden Fairoze, Neal Mangaokar, Kamalika Chaudhuri, Sanjam Garg, Saeed Mahloujifar2026-08-21

→ السابق التالي ←