🤖 machine learning

Model-Level GNN Explanations via Rule-to-Graph Readout for Logit Reconstruction

تقدم هذه الورقة إطار عمل جديد لتفسير الشبكات العصبية الرسومية (GNN) على مستوى النموذج، يقوم بإعادة بناء القيم اللوجستية الأصلية متعددة الفئات عبر تركيب مفاهيم المخططات الفرعية المرتكزة في قواعد رمزية وتمريرها عبر مصنف مجمد، مما يحقق تفسيرات عالمية عالية الدقة وقابلة للتجسيد عند وقت الاختبار مع تحليل للمساهمة على مستوى القواعد، وبسرعة أكبر بكثير من الطرق السابقة.

Shengyao Lu, Jiuding Yang, Aedan J. DeFrates, Keith G. Mills, Baochun Li, Di Niu2026-05-13
💬 NLP

Toxicity Detection Should Measure Contextual Harm, Not Text-Intrinsic Badness

تجادل ورقة الموقف هذه بضرورة تحول كشف السمية من معاملة السمية كخاصية جوهرية للنصوص المعزولة إلى قياسها كضرر تواصلي سياقي، وذلك عبر تقديم إطار الإجهاد السياقي (CSF) وأداة تقييم (CSF-Eval) لالتقاط كيفية توليد انتهاكات المعايير المتصورة والسياق الاجتماعي للاضطراب الفعلي بشكل أفضل.

Sergei Berezin, Reza Farahbakhsh, Noel Crespi2026-05-13✓ Author reviewed
💬 NLP

Reconstructing Sepsis Trajectories from Clinical Case Reports using LLMs: the Textual Time Series Corpus for Sepsis

تقدم هذه الورقة البحثية مسار عمل يستخدم النماذج اللغوية الكبيرة لاستخراج وتحديد زمن النتائج السريرية من تقارير الحالات الطبية، مما أدى إلى إنشاء مجموعة بيانات نصية زمنية مفتوحة الوصول لمرض الإنتان (Sepsis-3) تُظهر دقة عالية في استعادة الأحداث والترتيب الزمني مقارنة بتدوينات الأطباء.

Shahriar Noroozizadeh, Jeremy C. Weiss2026-05-13
🤖 machine learning

Fractal Graph Contrastive Learning

تقترح الورقة البحثية FractalGCL، وهو إطار عمل للتعلم التبايني للرسوم البيانية مدفوع بالنظرية يستخدم عمليات تعزيز قائمة على إعادة التطبيع وفقدانًا مدركًا للبعد الفركتلي مع بديل غاوسي لتحقيق أداء فائق في مختلف المعايير المرجعية مع تقليل التكاليف الحسابية بشكل كبير.

Nero Z. Li, Xuehao Zhai, Zhichao Shi, Boshen Shi, Xuhui Jiang2026-05-13
📊 statistics

Integral Imprecise Probability Metrics

تقدم هذه الورقة مقياس الاحتمال غير الدقيق المتكامل (IIPM)، وهو إطار عمل قائم على تكامل تشوكيهت يعمم المقاييس الكلاسيكية إلى نماذج الاحتمال غير الدقيق، مما يتيح كلاً من مقارنة تمثيلات عدم اليقين المتنوعة وقياس عدم اليقين المعرفي من خلال مقياس جديد يسمى "أقصى متوسط عدم الدقة"، والذي يُظهر أداءً فائقاً في مهام التصنيف الانتقائي.

Siu Lun Chau, Michele Caprio, Krikamol Muandet2026-05-13
📊 statistics

Offline Constrained Reinforcement Learning under Partial Data Coverage

تقترح هذه الورقة خوارزمية PDOCRL، وهي خوارزمية ثنائية الأصل (primal-dual) كفؤة من حيث العرافة (oracle-efficient) للتعلم المعزز المقيد غير المتصل (offline constrained reinforcement learning) مع تقريب دالي عام، تحقق أداءً قريبًا من الأمثل وقريبًا من الجدوى في ظل تغطية جزئية للبيانات دون الحاجة إلى معرفة التوزيع المولد للبيانات، مع معالجة مشكلة نقاط السرج الزائفة من خلال شرط واقعية أقوى.

Seokmin Ko, Ambuj Tewari, Kihyuk Hong2026-05-13
📊 statistics

Approximating Simple ReLU Networks based on Spectral Decomposition of Fisher Information

تحدد هذه الورقة أن الفضاءات الذاتية الرئيسية لمصفوفة معلومات فيشر لشبكات ReLU ذات الطبقتين ذات الأوزان الخفية العشوائية تتوافق مع فضاءات الدوال التي تشغلها دوال التوافقيات الكروية من الرتبة 2 كحد أقصى، والتي تشكل مجتمعة أكثر من 97% من أثر المصفوفة.

Ka Long Keith Ho, Yoshinari Takeishi, Junichi Takeuchi2026-05-13
🤖 machine learning

Rotary Masked Autoencoders are Versatile Learners

تقدم الورقة البحثية "المشفرات التلقائية القناعية الدوارة" (RoMAE)، وهي بنية متعددة الاستخدامات تستفيد من تضمينات الموضع الدوارة لتمكين تعلم التمثيل الفعال عبر وسائط متنوعة، بما في ذلك السلاسل الزمنية غير المنتظمة، دون الحاجة إلى تعديلات هيكلية متخصصة.

Uros Zivanovic, Serafina Di Gioia, Andre Scaffidi, Martín de los Rios, Gabriella Contardo, Roberto Trotta2026-05-13
🤖 machine learning

Stationary MMD Points

تُثبت هذه الورقة نظرياً أن النقاط الثابتة لتباعد المتوسط الأقصى (MMD) تُنتج أخطاء تكامل عددي تتلاشى بشكل أسرع من الـ MMD نفسه، وتُثبت أن تدفقات تدرج MMD توفر طريقة عملية لحساب هذه النقاط مع حد خطأ جديد غير تقاربي للجسيمات المتناهية.

Zonghao Chen, Toni Karvonen, Heishiro Kanagawa, François-Xavier Briol, Chris. J. Oates2026-05-13
🤖 machine learning

Trajectory First: A Curriculum for Discovering Diverse Policies

تقترح هذه الورقة البحثية "المسار أولاً" (Trajectory First)، وهو إطار تعلم منهجي يتكون من مرحلتين يستفيد من مسار مسبق قائم على منحنيات السبلين (spline) لتوليد سلوكيات متنوعة وعالية المكافأة، ثم يقوم لاحقًا بتقطيرها في سياسات تفاعلية، مما يتغلب على مشكلات الاستكشاف المحدود وتنوع السلوك الموجودة في أساليب التعلم المعزز الحالية المقيدة بالتنوع للمهام المعقدة مثل التلاعب الروبوتي.

Cornelius V. Braun, Sayantan Auddy, Marc Toussaint2026-05-13