cs.LG ورقة بحثية

CIG: Exploration via Conditional Information Gain

تقدم هذه الورقة البحثية "كسب المعلومات الشرطي" (Conditional Information Gain - CIG)، وهو مكافأة استكشاف قابلة للتتبع والتوسع مشتقة من نواة تباين المجموعات (ensemble disagreement kernel) تجمع بفعالية بين التكييف مدى الحياة وتكييف داخل مسار التشغيل لتتفوق على الأساليب الحالية عبر مهام تعلم تعزيزي متنوعة.

Tim Joseph, Marcus Fechner, Philipp Stegmaier, Karam Daaboul, J. Marius Zöllner2026-05-21

🤖 machine learning

Learning fMRI activations dictionaries across individual geometries via optimal transport

تقترح هذه الورقة إطار عمل جديد لتعلم القواميس لبيانات التصوير بالرنين المغناطيسي الوظيفي (fMRI) يستفيد من مسافة "غروما-واسرشتاين" المدمجة والتحسين العصبي المستهلك لالتقاط تباين هندسة الدماغ الفردي دون الاعتماد على الإسقاط القائم على القوالب، مما يحافظ على المعلومات الخاصة بكل موضوع من أجل التحليل اللاحق.

Sonia Mazelet, Rémi Flamary, Bertrand Thirion2026-05-21

🧬 biology

Training distribution determines the ceiling of drug-blind cancer sensitivity prediction

تُثبت هذه الورقة أن الركود في التنبؤ بحساسية السرطان تجاه الأدوية غير المعروفة ناتج عن قيام مقياس ارتباط بيرسون العالمي المعياري بحجب التعلم الخاص بكل دواء، وتُظهر أن تقسيم التدريب حسب آلية العمل بدلاً من مجرد ترميزها كميزة يحسن الأداء التنبؤي بشكل كبير.

Taekyung Heo2026-05-21

🤖 machine learning

Sutra: Tensor-Op RNNs as a Compilation Target for Vector Symbolic Architectures

تقدم الورقة البحثية لغة "Sutra"، وهي لغة برمجة وظيفية بحتة تقوم بتجميع عمليات بنية المتجهات الرمزية (Vector Symbolic Architecture) إلى رسوم بيانية مدمجة من تنسورات "PyTorch"، مما يمكّن البرامج من تحقيق دقة فك تشفير مثالية عبر ركائز تضمين ثابتة ومتنوعة، وإمكانية تدريبها عبر الانتشار العكسي مع بقائها مقروءة بالكامل وقابلة لإعادة التجميع ككود مصدري.

Emma Leonhart2026-05-21✓ Author reviewed ⓘ

🤖 machine learning

Point Cloud Sequence Encoding for Material-conditioned Graph Network Simulators

تقدم هذه الورقة البحثية إطار عمل PEACH، وهو إطار عمل مبتكر يستفيد من ترميز تسلسل السحابة النقطية والتعلم في السياق لتمكين محاكيات الشبكات الرسومية من التكيف بدقة مع خصائص المواد غير المرئية أثناء الاستدلال، محققاً تفوقاً في دقة التنبؤ ونقل المحاكاة إلى الواقع مقارنة بالنماذج المرجعية القائمة على الشبكات (mesh) دون الحاجة إلى الوصول الصريح للمعاملات.

Philipp Dahlinger, Balázs Gyenes, Niklas Freymuth, Luca Geminiani, Tobias Würth, Johannes Mitsch, Nadja Klein, Luise Kär (…)2026-05-21

🤖 machine learning

Diagnosing Overhead in Dispatch Operations: Cross-architecture Observatory

تقدم هذه الورقة البحثية DODOCO لتوضيح أن عبء عمليات التوزيع من نوع AlltoAll في نماذج خليط الخبراء (Mixture-of-Experts) ناتج عن اختلالات توجيه جوهرية مرتبطة بالبنية المعمارية وليس بسبب توزيع الخبراء أو الاختبارات المرجعية الصورية، مما يكشف أن تصميم النموذج (على سبيل المثال، MLA/GDN مقابل MHA/Mamba) يحدد توزيع الأحمال بشكل أكثر أهمية من مقياس التوازي أو افتراضات البيانات الاصطناعية.

Bole Ma, Jan Eitzinger, Harald Koestler, Gerhard Wellein2026-05-21

📊 statistics

Concentration of General Stochastic Approximation Under Heavy-Tailed Markovian Noise

تضع هذه الورقة حدودات تركيز قصوى لتكرارات التقريب العشوائي تحت ضجيج ماركوفي ذي الذيول الثقيلة من خلال اشتقاق سلوكيات الذيل التي تتراوح من التوزيعات دون غاوسية إلى التوزيعات الأثقل من توزيع وايبول، اعتماداً على حجم الخطوة، وخصائص الضجيج، وانكماشية المؤثر العشوائي، مع تقديم براهين الأمثلية في الحالة الأسوأ وتوسيع النتائج لتشمل الضجيج غير المحدود عبر حجة بتر جديدة.

Shubhada Agrawal, Siva Theja Maguluri, Martin Zubeldia2026-05-21

💬 NLP

Playing Devil's Advocate: Off-the-Shelf Persona Vectors Rival Targeted Steering for Sycophancy

تُثبت هذه الورقة أن ناقلات توجيه الشخصية الجاهزة، التي تعزز سمات مثل الشك أو التقصي، تقلل بفعالية من تملق النموذج إلى مستويات قابلة للمقارنة مع إضافة التنشيط التبايني (CAA) المستهدفة، مع الحفاظ بشكل أفضل على الدقة في مدخلات المستخدم الصحيحة، مما يشير إلى أن التملق هو خاصية على مستوى الشخصية وليس اتجاهاً واحداً قابلاً للتوجيه.

Ishaan Kelkar, Nebras Alam, Vikram Kakaria, Madhur Panwar, Vasu Sharma, Maheep Chaudhary2026-05-21

🤖 machine learning

Efficient Banzhaf-Based Data Valuation for $k$ -Nearest Neighbors Classification

تتناول هذه الورقة عدم القابلية للحساب لتقييم البيانات القائم على "بانزهاف" (Banzhaf) لمصنفات الجيران الأقرب $k$ من خلال إثبات أن المشكلة هي مسألة معقدة من فئة \#P-hard، ومن ثم تطوير خوارزميات دقيقة فعالة ذات تعقيدات زمنية شبه متعددة الحدود وخطية، إلى جانب طرق تقدير "مونت كارلو"، لتمكين التقييم العملي والعادل لمساهمة البيانات.

Guangyi Zhang, Lutz Oettershagen, Lixu Wang, Aristides Gionis2026-05-21

🤖 machine learning

A Dialogue between Causal and Traditional Representation Learning: Toward Mutual Benefits in a Unified Formulation

تقترح هذه الورقة صياغة موحدة لتعلم التمثيل السببي والتقليدي، تجسر الفجوة التاريخية بينهما من خلال تعريف التعلم عبر مكونات المهمة والقيود، وتثبت من خلال التجارب أن فعالية القيود السببية تعتمد بشكل كبير على المهام المحددة التي تقترن بها.

Yan Li, Yuewen Sun, Shaoan Xie, Gongxu Luo, Yunlong Deng, Kun Zhang, Guangyi Chen2026-05-21

→ السابق التالي ←

cs.LG

CIG: Exploration via Conditional Information Gain

Learning fMRI activations dictionaries across individual geometries via optimal transport

Training distribution determines the ceiling of drug-blind cancer sensitivity prediction

Sutra: Tensor-Op RNNs as a Compilation Target for Vector Symbolic Architectures

Point Cloud Sequence Encoding for Material-conditioned Graph Network Simulators

Diagnosing Overhead in Dispatch Operations: Cross-architecture Observatory

Concentration of General Stochastic Approximation Under Heavy-Tailed Markovian Noise

Playing Devil's Advocate: Off-the-Shelf Persona Vectors Rival Targeted Steering for Sycophancy

Efficient Banzhaf-Based Data Valuation for kkk-Nearest Neighbors Classification

A Dialogue between Causal and Traditional Representation Learning: Toward Mutual Benefits in a Unified Formulation

Efficient Banzhaf-Based Data Valuation for $k$ -Nearest Neighbors Classification