🤖 machine learning

What Information Matters? Graph Out-of-Distribution Detection via Tri-Component Information Decomposition

تقدم هذه الورقة إطار عمل Tide، وهو إطار عمل مبتكر يستخدم تفكيك المعلومات ثلاثي المكونات لعزل المعلومات المشتركة ذات الصلة بالتسميات مع تصفية الإشارات الزائفة الخاصة بالميزات والبنية، مما يعزز بشكل كبير قدرة الشبكات العصبية الرسومية على اكتشاف العقد خارج التوزيع.

Danny Wang, Ruihong Qiu, Zi Huang2026-05-14
💬 NLP

Large Language Models Lack Temporal Awareness of Medical Knowledge

تقدم هذه الورقة TempoMed-Bench، وهو أول معيار لتقييم الوعي الزمني للنماذج اللغوية الكبيرة في المجال الطبي، والذي يكشف أن النماذج الحالية تعاني من صعوبة في المعرفة التاريخية، وتظهر تدهوراً تدريجياً في الأداء بدلاً من الانقطاع الحاد، وتفشل في الحفاظ على الاتساق الزمني حتى عند تعزيزها بأدوات البحث.

Zihan Guan, Qiao Jin, Guangzhi Xiong, Fangyuan Chen, Mengxuan Hu, Qingyu Chen, Yifan Peng, Zhiyong Lu, Anil Vullikanti2026-05-14
🤖 machine learning

Bridging Domain Gaps with Target-Aligned Generation for Offline Reinforcement Learning

تقترح هذه الورقة إطار عمل "توسيع التغطية المتوافقة مع الهدف" (TCE)، وهو إطار يستفيد من نموذج توليدي ثنائي يعتمد على الدرجة لتخليق انتقالات متسقة مع الهدف وتوسيع تغطية الحالة، مما يؤدي بفعالية إلى سد فجوات النطاق في التعلم المعزز غير المتصل عبر النطاقات عندما تكون بيانات الهدف شحيحة.

Minung Kim, Jeongmo Kim, Gwanwoo Choi, Seungyul Han2026-05-14
🤖 machine learning

Local Inverse Geometry Can Be Amortized

تقدم هذه الورقة البحثية D-IPG، وهو حلّاك عكسي مُتعلم يعمل على استهلاك الهندسة العكسية المحلية عبر بديل Deceptron ثنائي الاتجاه وعقوبة تركيب جاكوبي لتحقيق أداء بمستوى "غاوس-نيوتن" في المسائل العكسية غير الخطية بتكاليف استدلال أقل بنسبة تصل إلى 77 ضعفاً.

Aaditya L. Kachhadiya2026-05-14
🤖 machine learning

Spectral Flattening Is All Muon Needs: How Orthogonalization Controls Learning Rate and Convergence

تقدم هذه الورقة تفسيراً هندسياً مبدئياً لاستقرار وتقارب مُحسّن "Muon" المتفوق، وذلك من خلال إثبات أن آلية التعامد الخاصة به تحقق تسطيحاً طيفياً، مما ينقل قيد الاستقرار من أكبر قيمة مفردة للتدرج إلى متوسط القيمة المفردة للتدرج ويحسن عامل التقارب الفعال تحت نموذج انحناء مفكك بنظام كرونيكر.

Tien-Phat Nguyen, Truong Nguyen, Minh-Phuc Truong, Tuc Nguyen, James Bailey, Trung Le2026-05-14
🤖 machine learning

Bayesian Nonparametric Mixed-Effect ODEs with Gaussian Processes

تقدم الورقة البحثية MEGPODE، وهو نموذج معادلة تفاضلية عادية ذات تأثيرات مختلطة غير معلمي بايزي يستخدم العمليات الغاوسية لتفكيك الديناميكيات الخاصة بكل حالة إلى مكونات مشتركة بين السكان ومكونات انحراف فردية، مما يؤدي إلى تحسين التنبؤ بالمسار واستعادة المجال السكاني مع تجنب الحل المتكرر للمعادلات التفاضلية العادية من خلال الاستقراء الافتراضي وتنعيم كالمان.

Julien Martinelli, Maksim Sinelnikov, Harri Lähdesmäki, Quentin Clairon, Mélanie Prague2026-05-14
📊 statistics

Adaptive Kernel Density Estimation with Pre-training

تقدم هذه الورقة استراتيجية تدريب مسبق تسخر الشبكات العصبية للتوصية بنوى متكيفة مع الموقع لتقدير الكثافة عالية الأبعاد، مما يحسن الدقة بشكل كبير عندما يتوافق التوزيع المستهدف مع عائلة التدريب المسبق ويظل فعالاً من خلال الضبط الدقيق حتى عندما تختلف التوزيعات.

Ruitong Zhang, Ke Deng2026-05-14
🤖 AI

Watermarking Should Be Treated as a Monitoring Primitive

تجادل هذه الورقة بأن العلامات المائية يجب أن تُعامل كأداة مراقبة بدلاً من كونها مجرد أداة كشف لكل عينة على حدة، موضحةً أن قدرات المراقبة الداخلية والخارجية تبرز حتماً من خلال تجميع الإشارات والأنماط الإحصائية، مما يكشف عن توتر جوهري بين إسناد الملكية والخصوصية.

Toluwani Aremu, Nils Lukas, Jie Zhang2026-05-14
🤖 machine learning

Margin-calibrated Classifier Guidance for Property-driven Synthesis Planning

تقدم هذه الورقة البحثية "ترتيب إكمال التسلسل" (SCR)، وهي طريقة توجيه مصنف تعتمد على معايرة الهامش، تعمل على تعزيز تخطيط التخليق الكيميائي متعدد الخطوات بشكل كبير من خلال تمكين النماذج ذات التوليد الذاتي المدربة مسبقاً من تلبية قيود تفاعل محددة وأهداف خصائص معينة بفعالية، مما يؤدي إلى تحسين معدلات الحل بشكل جذري وسد فجوة التنوع بين النهجين القائمين على القوالب والنهجين الخاليين من القوالب.

Najwa Laabid, Vikas Garg2026-05-14
📊 statistics

Amortized Neural Clustering of Time Series based on Statistical Features

تقدم هذه الورقة إطار عمل غير مرتبط بخوارزمية معينة يستخدم الاستدلال العصبي المستهلك على الميزات الإحصائية لتعلم هياكل تقارب مدفوعة بالبيانات لتجميع السلاسل الزمنية، مما يتيح تقسيمًا دقيقًا وتحديدًا تلقائيًا لعدد العناقيد دون الاعتماد على الاستدلالات التقليدية أو الافتراضات الهيكلية الصريحة.

Ángel López-Oriona, Ying Sun2026-05-14