cs.LG ورقة بحثية

Graph-Driven Cross-Industry Real-Time Monitoring Framework for Anti-Money Laundering Detection in Converged Mobility-Energy Supply Chain Networks

تقترح هذه الورقة إطار عمل للمراقبة في الوقت الفعلي مدفوعاً بالرسوم البيانية (GCRMF)، والذي يستفيد من رسم بياني غير متجانس عابر للصناعات، وشبكات انتباه رسوم بيانية ثنائية زمنية، والتعلم التبايني للكشف بفعالية عن مخططات غسيل الأموال المعقدة والتكيف معها ضمن شبكات سلاسل التوريد المندمجة بين التنقل والطاقة، محققاً تحسناً كبيراً في مقياس F1 وانخفاضاً في الإيجابيات الكاذبة مقارنة بالطرق الحالية.

Rong Liu, Xiaojun Xiao, Zhanqing Su2026-05-20

🤖 machine learning

Lost and Found in Translation: Variational Diagnostics for Neural Codebook Channels

تقدم هذه الورقة قناة كتاب الرموز العصبي $K_{e\to d}$ وشهادة "بيرنولي-KL" المقابلة لتشخيص وتحديد حد فشل نمط عدم تطابق فك التشفير في المشفرات التلقائية التباينية (Variational Autoencoders)، مما يعالج فجوة تركتها المقاييس القياسية التي تتحقق فقط من استخدام الرموز بدلاً من محاذاة المشفر وفك التشفير.

Yusuke Hayashi2026-05-20

🤖 machine learning

Transformers Linearly Represent Highly Structured World Models

من خلال تدريب نموذج "ترانسفورمر" على مسارات حل السودوكو، تكشف الدراسة أن النموذج يبني داخلياً نموذج عالم مهيكل يتماشى مع جبر القيود الخاص بالمجال بدلاً من الميزات السطحية، مستخدماً دوائر متفرقة وقابلة للتفسير مثل كاشف "الرقم الوحيد الواضح" لحل المهمة.

Roman Kniazev, Nathanaël Fijalkow2026-05-20

🤖 machine learning

INSIGHTS: Demonstration-Based Summaries of Time Series Predictors

تقدم هذه الورقة INSIGHTS، وهو إطار عمل غير مرتبط بنموذج محدد ومرتكز على المستخدم، يقوم بتوليد ملخصات عالمية متنوعة قائمة على العروض التوضيحية لنماذج السلاسل الزمنية لتزويد خبراء المجال بفهم مستقر وشامل لسلوك النموذج، مما يعالج الفجوة الحالية في قابلية التفسير العالمية لبيانات السلاسل الزمنية.

Bar Eini Porat, Rom Gutman, Uri Shalit, Ofra Amir2026-05-20

🤖 machine learning

STRIDE: Learnable Stepwise Language Feedback for LLM Reasoning

يُعد STRIDE إطار تدريب مبتكر يعزز قدرة نماذج اللغات الكبيرة على الاستنتاج من خلال التدريب المشترك لمولد ومُحقِّق توليدي باستخدام مكافآت قائمة على النتائج فقط لاستبدال الدرجات القياسية بتغذية راجعة لغوية قابلة للتعلم وخطوة بخطوة، تُحدد مواضع الإخفاقات صراحةً وتوجه مسارات الاستنتاج من جديد.

Junjie Zhang, Guozheng Ma, Shunyu Liu, Zetian Hu, Yongcheng Jing, Ting-En Lin, Yongbin Li, Dacheng Tao2026-05-20

🤖 machine learning

INAR-VL: Input-Aware Routing for Edge-Cloud Vision-Language Inference

يُعد INAR-VL نظام توجيه خفيف الوزن بين الحافة والسحابة، يقوم بالاختيار ديناميكيًا بين نماذج الرؤية واللغة المحلية وتلك القائمة على السحابة بناءً على تعقيد المدخلات، مما يحقق انخفاضًا كبيرًا في زمن الاستجابة واستهلاك الطاقة مع الحفاظ على دقة تقارب دقة النماذج السحابية.

Ahmed Šabanović, Paul Joe Maliakel, Ivona Brandić2026-05-20

🤖 machine learning

Delta Attention Residuals

تقترح هذه الورقة "بقايا دلتا الانتباه" (Delta Attention Residuals)، وهي بنية مبتكرة تستبدل الحالات الخفية التراكمية بتمثيلات دلتا لكل طبقة في اتصالات البقايا القائمة على الانتباه لمنع انهيار التوجيه وتحقيق تحسينات كبيرة في الحيرة (perplexity) عبر مختلف أحجام النماذج.

Cheng Luo, Zefan Cai, Junjie Hu2026-05-20

📊 statistics

When Individually Calibrated Models Become Collectively Miscalibrated

تُثبت هذه الورقة أن المتنبئات الاحتمالية المعايرة فردياً يمكن أن تصبح غير معايرة جماعياً في بيئات متعددة الوكلاء بسبب التفاعلات الاستراتيجية والمعتقدات المترابطة، مما يؤدي إلى تدهور كبير في الأداء يتم حله بفعالية من خلال اعتماد تجميع قائم على آلية "فيكري-كلاين-جروبلند" (VCG) لمواءمة الحوافز وضمان المتانة.

Zhaohui Wang2026-05-20

🤖 machine learning

SAGE: Shaping Anchors for Guided Exploration in RLVR of LLMs

تقترح الورقة البحثية إطار عمل SAGE، الذي يتغلب على قيود الاستكشاف في التعلم التعزيزي من التغذية الراجعة اللغوية (RLVR) القياسي في النماذج اللغوية الكبيرة (LLMs) عبر إعادة تشكيل توزيع مرساة "التباعد العكسي لـ KL" (reverse-KL) بواسطة دالة توجيه، مما يحقق تحسينات متزامنة في كل من pass@1 وpass@k في مهام الاستدلال الرياضي.

Chanuk Lee, Minki Kang, Sung Ju Hwang2026-05-20

🤖 machine learning

From Sparsity to Simplicity: Enabling Simpler Sequential Replacements via Sparse Attention Distillation

تُثبت هذه الورقة أن الاستفادة من التناثر المتأصل في آليات الانتباه في نماذج المحولات مسبقة التدريب تُمكِّن من الاستبدال الفعال لطبقات الانتباه الذاتي المعقدة بوحدات تسلسلية أبسط عبر التقطير الموجه بالتناثر، مما يقلل تكاليف الاستدلال وحجم النموذج بشكل كبير مع تقليل فقدان الدقة إلى أدنى حد.

Yuxin Ren, Maxwell D Collins, Miao Hu, Huanrui Yang2026-05-20

→ السابق التالي ←