cs.LG

When Latent Geometry Is Not Enough: Draft-Conditioned Latent Refinement for Non-Autoregressive Text Generation

تجادل هذه الورقة بأن الهندسة الكامنة وحدها غير كافية لتوليد النصوص غير التكراري، حيث تثبت أن صقل الكوامن المشروط بالمسودة باستخدام كامنات BERT كاملة الأبعاد ومقاييس تقييم مدركة للمفكك يتفوق بشكل كبير على النهج التي تعتمد فقط على المحاذاة الهندسية أو التمثيلات المضغوطة.

CrystalBoltz: End-to-End Protein Structure Determination via Experiment-Guided Diffusion for X-Ray Crystallography

يُعد CrystalBoltz إطار عمل توليديًا يستفيد من أخذ العينات اللاحقة الموجهة بالتجارب لحل مشكلة الطور في علم البلورات بالأشعة السينية، محققًا دقة هيكلية فائقة وسرعة تشغيل أكبر بكثير مقارنة بطرق الصقل الحالية.

MaxSketch: Robust Distinct Counting in Streams via Random Projections

تقدم هذه الورقة MaxSketch، وهو خوارزمية قائمة على الإسقاط العشوائي تستفيد من البنية الهندسية في التمثيلات المتعلمة لتحقيق تعقيد ذاكرة لوغاريتمي شبه مثالي لتقدير الأعداد المتميزة بمتانة في تدفقات البيانات عالية الأبعاد والمشوبة بالضجيج، متجاوزةً بذلك قيود المخططات الكلاسيكية والحدود السابقة للحالات الأسوأ.

Calibrating LLMs with Semantic-level Reward

تقترح الورقة البحثية "المعايرة بالمكافأة الدلالية" (CSR)، وهو إطار عمل يعمل على تحسين معايرة عدم اليقين في النماذج اللغوية الكبيرة من خلال استبدال درجات الثقة اللفظية غير المتسقة بمكافأة على المستوى الدلالي تشجع على الاتفاق بين المخرجات الصحيحة وتثبط الاتساق الزائف بين المخرجات غير الصحيحة، محققاً بذلك معدلات خطأ أقل بكثير وموثوقية أعلى عبر مختلف المعايير المرجعية.

CM-EVS: Sparse Panoramic RGB-D-Pose Data for Complete Scene Coverage

تقدم هذه الورقة CM-EVS، وهي مجموعة بيانات بانورامية متفرقة من نوع RGB-D-pose مشتقة من أصول ثلاثية الأبعاد متنوعة باستخدام خوارزمية COVER الخالية من التدريب، والتي تعمل بكفاءة على تنسيق وجهات نظر متسقة هندسيًا لضمان تغطية كاملة للمشهد مع حد أدنى من التكرار ومصدر قابل للتدقيق للتعلم البصري ثلاثي الأبعاد.

VSPO: Vector-Steered Policy Optimization for Behavioral Control

تقدم الورقة البحثية "تحسين السياسة الموجه بالمتجهات" (Vector-Steered Policy Optimization - VSPO)، وهي طريقة مبتكرة تعدل خوارزمية (GRPO) لاستخدام متجهات التوجيه للتحكم في كثافة السلوك أثناء أخذ عينات التدحرج، مما يؤدي إلى تخفيف اختناقات المكافأة الشحيحة وتسريع تحسين السياسة بشكل مثبت لتحقيق تحكم سلوكي ودقة مهام فائقة عبر معايير استدلال متعددة.

Position: Zeroth-Order Optimization in Deep Learning Is Underexplored, Not Underpowered

تجادل هذه الورقة بأن التحسين من الدرجة الصفرية في التعلم العميق ليس غير قابل للتوسع بطبيعته، بل هو غير مستكشف كفاية بسبب ممارسات التصميم قاصرة النظر، داعيةً إلى تحول جذري نحو أساليب الفضاء الجزئي، والمزايا الواعية بالنظام، والتقييمات غير المضللة لإطلاق إمكاناته في التعلم واسع النطاق وذي الكفاءة في استهلاك الموارد.

Towards Code-Oriented LM Embeddings for Surrogate-Assisted Neural Architecture Search

تقترح هذه الورقة البحثية "تمثيلات النماذج اللغوية الموجهة نحو الكود" (COLE)، وهي استراتيجية منخفضة التكلفة تستفيد من النماذج اللغوية الجاهزة لتمثيل البنى العصبية كأكواد برمجية بلغة "PyTorch"، مما يتيح بحثاً تنافسياً عن البنى العصبية بمساعدة النماذج البديلة دون الحاجة إلى ضبط دقيق متخصص، ويقلل بشكل كبير من ميزانية التقييم المطلوبة لإيجاد النماذج المثلى.

Interaction-Aware Influence Functions for Group Attribution

Few-Shot Large Language Models for Actionable Triage Categorization of Online Patient Inquiries

تُظهر هذه الدراسة أن النماذج اللغوية الكبيرة الموجهة بأسلوب "التعلم من أمثلة قليلة" (few-shot prompted)، ولا سيما نموذج "Claude Haiku 4.5"، يمكنها التفوق على النماذج المرجعية الخاضعة للإشراف مثل "BioBERT" في توجيه استفسارات المرضى عبر الإنترنت إلى مستويات المتابعة السريرية المناسبة في ظل ظروف شح الموارد، وإن كان تباين أدائها يشير إلى أنها الأنسب لدعم المراجعة البشرية الانتقائية بدلاً من النشر المستقل.