🤖 Category

cs.LG

23164 ورقة بحثية

🤖 machine learning

Accurate Evaluation of Quickest Changepoint Detectors via Non-parametric Survival Analysis

تقدم هذه الورقة مقدرات غير معلمية، تُسمى KM-ARL وKM-ADD، والتي تستفيد من تحليل البقاء لتقييم متوسط طول التشغيل وتأخير الكشف بدقة لكواشف نقطة التغير السريعة في سيناريوهات العالم الحقيقي التي تتميز بأطوال متناهية وغير منتظمة للتسلسلات.

Taiki Miyagawa, Akinori F. Ebihara2026-05-20
🤖 machine learning

Theory-optimal Quantization Based on Flatness

تقدم هذه الورقة البحثية التكميم القطري ثنائي الاتجاه (BDQ)، وهو إطار عمل جديد للتكميم بعد التدريب يستمد حلاً مثالياً نظرياً بناءً على مقياس "تسطيح" (Flatness) جديد لتشتيت القيم المتطرفة للتنشيط بفعالية، مما يحقق دقة هي الأفضل في فئتها في تكميم النماذج اللغوية الكبيرة ذات البتات المنخفضة.

Xiusheng Huang, Zhe Li, Xuanwu Yin, Lu Wang, Yequan Wang, Dong Li, Emad Barsoum, Kang Liu2026-05-20
🤖 AI

Position: Let's Develop Data Probes to Fundamentally Understand How Data Affects LLM Performance

تدافع هذه الورقة الموقفة عن تطوير "مجسات بيانات" منهجية — وهي تسلسلات اصطناعية مشتقة من عمليات عشوائية محددة — للارتقاء لما وراء الاستدلالات التجريبية كثيفة الحوسبة، ولتحقيق فهم نظري ومبدئي لكيفية تأثير خصائص بيانات معينة بشكل جوهري على أداء النماذج اللغوية الكبيرة، وقدرتها على التعميم، ومتانتها عبر مختلف مراحل سير العمل.

Shiqiang Wang, Herbert Woisetschläger, Hans Arno Jacobsen, Mingyue Ji2026-05-20
🤖 machine learning

Adaptive Multi-Scale Goodness Aggregation for Forward-Forward Learning

تقدم هذه الورقة البحثية خوارزمية تجميع الجودة متعددة المقاييس التكيفية (AMSGA)، وهي امتداد مبتكر لخوارزمية "الأمام-للأمام" (Forward-Forward) تعمل على تعزيز الاستقرار والمتانة والتعميم من خلال تجميع التمثيلات متعددة المقاييس واستراتيجيات التدريب التكيفية، محققةً مكاسب أداء كبيرة في مجموعتي بيانات MNIST وFashion-MNIST مع الحفاظ على المعقولية البيولوجية وكفاءة الذاكرة.

Salar Beigzad, Vansh Verma2026-05-20
💻 computer science

RecoAtlas: From Semantic Plausibility to Set-Level Utility in LLM Recommendation Agents

تقدم هذه الورقة RecoAtlas، وهو معيار ومجموعة أدوات لتقييم وكلاء التسوق القائمين على النماذج اللغوية الكبيرة باستخدام مقاييس المنفعة المرتكزة على السلوك إلى جانب التماسك الدلالي، مما يثبت أن التفسيرات المنطقية لا تضمن مجموعات توصية فعالة وأن الأداء يتوسع مع قدرة النموذج والمواءمة مع الأدوات.

Imad Aouali, Flavian Vasile, Otmane Sakhi, Alexandre Gilotte, Benjamin Heymann2026-05-20
🤖 machine learning

Block-Based Double Decoders

تقدم الورقة البحثية "المفككات المزدوجة القائمة على الكتل" (Block-Based Double Decoders)، وهي بنية ترانسفورمر مبتكرة تجمع بين كفاءة التدريب لنماذج "المفكك فقط" (decoder-only) وكفاءة الاستدلال لنماذج "المشفر-المفكك" (encoder-decoders) عبر استخدام أقنعة انتباه قائمة على الكتل ذات سببية مزدوجة لتحقيق أداء توسع فائق مع تقليل تكاليف الذاكرة والحوسبة بشكل كبير.

Asher Labovich, Benjamin Bradley, Vanessa Alexander, Chaitanya Harsha2026-05-20
🤖 machine learning

Compositional Literary Primitives in Instruction-Tuned LLMs: Cross-Architectural SAE Features for Self, Style, and Affect

تحدد هذه الورقة وتتحقق من بنية تركيبية للمبادئ الأدبية الأولية —بما في ذلك بوابات التسمية، والسمات الذاتية، والمعدلات الأسلوبية— ضمن النماذج اللغوية الكبيرة المضبوطة بالتعليمات (Llama 3.1 وGemma 2) باستخدام المشفّرات التلقائية المتناثرة، مما يثبت أن توجيه السمات المستهدف يمكنه توليد مخرجات عاطفية وأسلوبية محددة بشكل موثوق عبر بنيات نماذج مختلفة بتكلفة حوسبية ضئيلة.

Joao Paulo Cavalcante Presa, Savio Salvarino Teles de Oliveira2026-05-20
🤖 machine learning

Metric-Gradient Projection for Stable Multi-Agent Policy Learning

تقدم هذه الورقة البحثية طريقة HPML (التعلم متعدد الوكلاء المعتمد على إسقاط هودج)، وهي طريقة تعمل على تثبيت التعلم التعزيزي متعدد الوكلاء ذي المجموع العام عبر إسقاط حقل تحديث السياسة المشتركة على مكون تدرج متري عبر تفكيك هودج، مما يقلل من الديناميكيات الدورية ويحسن التقارب من خلال جهد ليابونوف.

Zuyuan Zhang, Sizhe Tang, Mahdi Imani, Tian Lan2026-05-20
🤖 machine learning

D-PACE: Dynamic Position-Aware Cross-Entropy for Parallel Speculative Drafting

تقدم الورقة البحثية D-PACE، وهي دالة فقدان "الاعتراض المتقاطع" الديناميكية المدركة للموضع التي تضبط أوزان التدريب تكيفياً بناءً على طول المسودة المتوقع قبولها لتحسين كفاءة وسرعة فك التشفير التكهني المتوازي دون تغيير بنية النموذج أو إجراءات الاستدلال.

Tianyu Wu, Yu Yao, Zhenting Qi, Han Zheng, Zhuohan Wang, Haoran Ma, Lawrence Liao, Himabindu Lakkaraju, Ju Li, Yilun Du2026-05-20
🤖 machine learning

PASC: Pipeline-Aware Conformal Prediction with Joint Coverage Guarantees for Multi-Stage NLP and LLM Pipelines

تقدم الورقة البحثية طريقة PASC، وهي طريقة تنبؤ تلاؤمي مدركة لمسار المعالجة (pipeline-aware) تضمن ضمانات تغطية مشتركة في العينات المحدودة لأنظمة معالجة اللغات الطبيعية والنماذج اللغوية الكبيرة متعددة المراحل، وذلك من خلال اختزال المشكلة إلى عملية حساب كمي لعدد قياسي واحد، مما يجعلها تتفوق بشكل كبير على المعايرة المستقلة وحدود بونفيروني المتحفظة من حيث الدقة والكفاءة.

Varun Kotte2026-05-20