cs.LG ورقة بحثية

Is Fixing Schema Graphs Necessary? Full-Resolution Graph Structure Learning for Relational Deep Learning

تقدم هذه الورقة إطار عمل FROG، الذي يتغلب على قيود هياكل الرسوم البيانية الثابتة في التعلم العميق العلاقاتي من خلال تمكين التحسين المشترك لطوبولوجيا الرسم البياني كاملة الدقة وتمثيلات الشبكات العصبية الرسومية عبر نمذجة أدوار الجداول القابلة للتعلم وقيود التبعية الوظيفية.

Yi Huang, Qingyun Sun, Jia Li, Xingcheng Fu, Jianxin Li2026-05-21

🤖 machine learning

EvoStruct: Bridging Evolutionary and Structural Priors for Antibody CDR Design via Protein Language Model Adaptation

يعالج EvoStruct مشكلة انهيار المفردات في تصميم مناطق تحديد التعيين لتعضيد الأجسام المضادة (CDR) عبر الربط بين نموذج لغوي بروتيني مجمد وسياق بنيوي ثلاثي الأبعاد من خلال محول انتباه متقاطع وإلغاء تجميد تدريجي، محققاً بذلك تفوقاً في استعادة التسلسل، والتنوع، وارتباط الارتباط مقارنة بطرق الشبكات العصبية الرسومية (GNN) الحالية.

Mansoor Ahmed, Sujin Lee, Umar Khayaz, Murray Patterson2026-05-21

📊 statistics

Quantifying Hyperparameter Transfer and the Importance of Embedding Layer Learning Rate

تقدم هذه الورقة إطار عمل لقياس انتقال المعلمات الفائقة، وتكشف أن تفوق انتقال معدل التعلم الملحوظ في التحديث الأقصى ( $\mu$ P) مقارنة بالمعلمة القياسية (SP) ينبع أساساً من القضاء على عنق زجاجة معدل تعلم طبقة التضمين، مما يعمل على استقرار التدريب وتحسين متانة الاستقراء.

Dayal Singh Kalra, Maissam Barkeshli2026-05-21

🤖 machine learning

Equilibrium Reasoners: Learning Attractors Enables Scalable Reasoning

تقدم الورقة البحثية "مستنتجات التوازن" (Equilibrium Reasoners - EqR)، وهو إطار عمل يحقق استنتاجاً قابلاً للتوسع والتعميم من خلال تعلم جاذبات مشروطة بالمهام في أنظمة ديناميكية كامنة، مما يتيح تخصيصاً تكيفياً للحوسبة أثناء وقت الاختبار يرفع الدقة من 2.6% إلى أكثر من 99% في المهام المعقدة مثل "سودوكو-إكستريم" (Sudoku-Extreme).

Benhao Huang, Zhengyang Geng, Zico Kolter2026-05-21

📊 statistics

Variance Reduction for Expectations with Diffusion Teachers

تقدم الورقة البحثية إطار عمل CARV، وهو إطار لتقليل التباين مدرك للحوسبة يستفيد من الحسابات المسبقة المستهلكة (amortized upstream computations)، وأخذ عينات الأهمية للخطوات الزمنية، وبناء دالة التوزيع التراكمي العكسي الطبقي (stratified-inverse-CDF) لخفض تباين مُقدّر مونت كارلو بشكل كبير وتحسين كفاءة الحوسبة في مسارات الانتشار (diffusion-based pipelines) مثل تحويل النص إلى ثلاثي الأبعاد (text-to-3D) وإسناد البيانات (data attribution).

Jesse Bettencourt, Xindi Wu, Matan Atzmon, James Lucas, Jonathan Lorraine2026-05-21

📊 statistics

Algorithms for Adaptive Experiments that Trade-off Statistical Analysis with Reward: Combining Uniform Random Assignment and Reward Maximization

تقدم هذه الورقة TS-PostDiff، وهو خوارزمية تكيفية توازن ديناميكيًا بين مكافأة المستخدم والاستدلال الإحصائي من خلال دمج عينات تومسون مع التعيين العشوائي المنتظم بناءً على الاحتمال البعدي للفروق الصغيرة بين الأذرع، وذلك بهدف تحسين المقايضة بين تعظيم الفوائد والحفاظ على القوة الإحصائية.

Tong Li, Jacob Nogas, Haochen Song, Anna Rafferty, Eric M. Schwartz, Audrey Durand, Harsh Kumar, Nina Deliu, Sofia S. Vi (…)2026-05-20

🤖 machine learning

What Machine Learning Can Do for Focusing Aerogel Detectors

تقدم هذه الورقة مناهج مستوحاة من تعلم الآلة، مكيّفة من الرؤية الحاسوبية، لتصفية ضربات الخلفية المحيطة في كاشف "فاريك" (FARICH) -وهو كاشف إشعاع شيرينكوف الحلقي المعتمد على الأيروجيل بتركيز عالٍ- في مصنع "سوبر تشارم-تاو"، وذلك بهدف تقليل تدفق البيانات وتحسين دقة سرعة الجسيمات.

Foma Shipilov, Alexander Barnyakov, Viktor Bobrovnikov, Sergey Kononov, Fedor Ratnikov2026-05-20

🤖 machine learning

Sharper Bounds for Chebyshev Moment Matching, with Applications

تضع هذه الورقة حدوداً أكثر دقة لاستعادة التوزيعات الاحتمالية من قياسات عزم تشيبيشيف المشوبة بالضجيج، مما يتيح توليد بيانات اصطناعية بخصوصية تفاضلية مثلى، وتقديراً أسرع لكثافة الطيف، وتحسيناً لتعلم المعلمات للنماذج السكانية.

Cameron Musco, Christopher Musco, Lucas Rosenblatt, Apoorv Vikram Singh2026-05-20

🤖 machine learning

Lynx: Enabling Efficient MoE Inference through Dynamic Batch-Aware Expert Selection

يُعد Lynx نظاماً غير مرتبط بنوع محدد من أعباء العمل، يتيح استنتاجاً فعالاً لنموذج "خليط الخبراء" (MoE) عبر استغلال الانحرافات في التنشيط الناتجة عن التدريب واستخدام تقنية "AffinityBinning" المبتكرة لإعادة تعيين تخصيص الرموز للخبراء ديناميكياً، مما يقلل عدد الخبراء المستدعين ويحسن معدل الإنتاجية بما يصل إلى 1.30 ضعفاً دون المساس بالدقة بشكل كبير.

Vima Gupta, Jae Hyung Ju, Kartik Sinha, Ada Gavrilovska, Anand Padmanabha Iyer2026-05-20

🤖 machine learning

RoboMD: Uncovering Robot Vulnerabilities through Semantic Potential Fields

تقدم الورقة البحثية RoboMD، وهو إطار عمل يستفيد من سياسة تعلم تعزيزي عميق مدربة على تضمين دلالي بصري لغوي لتحديد ثغرات التلاعب الروبوتي غير المعروفة سابقاً بكفاءة وأمان من خلال الاختبار الافتراضي، مما يكشف عن أنماط فشل فريدة أكثر من النماذج المرجعية الحالية ويمكّن من تحسين السياسة بكفاءة في استخدام البيانات.

Som Sagar, Jiafei Duan, Sreevishakh Vasudevan, Yifan Zhou, Heni Ben Amor, Dieter Fox, Ransalu Senanayake2026-05-20

→ السابق التالي ←