cs.LG ورقة بحثية

BOOST: BOttleneck-Optimized Scalable Training Framework for Low-Rank Large Language Models

تقدم الورقة البحثية إطار عمل BOOST، وهو إطار تدريب فعال يتميز بالتوازي التنسوري المدرك لعنق الزجاجة (Bottleneck-aware Tensor Parallelism) وتحسينات متنوعة تسرع بشكل كبير تدريب بنيات عنق الزجاجة منخفضة الرتبة واسعة النطاق من خلال التغلب على قيود الاتصال والاستخدام التي تفرضها تقنية التوازي ثلاثي الأبعاد القياسية.

Zhengyang Wang, Ziyue Liu, Ruijie Zhang, Avinash Maurya, Paul Hovland, Bogdan Nicolae, Franck Cappello, Zheng Zhang2026-05-13

⚛️ quantum physics

Probabilistic Computers for Neural Quantum States

تُثبت هذه الورقة أن الجمع بين بنيات آلة بولتزمان المتناثرة وأجهزة الحوسبة الاحتمالية (مصفوفات البوابات المنطقية القابلة للبرمجة ميدانياً - FPGAs) يتغلب على عقبة عينات مونت كارلو في الحالات الكمومية العصبية، مما يتيح حسابات دقيقة لطاقة الحالة الأرضية لنماذج إيزينج ذات المجال المستعرض ثنائية الأبعاد حتى 6400 سبين، وتدريباً فعالاً للنماذج العميقة لـ 900 سبين.

Shuvro Chowdhury, Jasper Pieterse, Navid Anjum Aadit, Shaila Niazi, Johan H. Mentink, Kerem Y. Camsari2026-05-13

🤖 machine learning

Principled Latent Diffusion for Graphs via Laplacian Autoencoders

تقدم الورقة البحثية LG-Flow، وهو إطار عمل لانتشار الرسوم البيانية الكامنة القائم على أسس علمية يستخدم مشفرًا تلقائيًا متماثل التبديل لإعادة بناء شبه مثالية (near-lossless) ومحول انتشار (Diffusion Transformer) مع مطابقة التدفق للتغلب على التعقيد التربيعي لنماذج توليد الرسوم البيانية الحالية، محققًا أداءً هو الأفضل في فئته مع تسريع يصل إلى 1000 ضعف.

Antoine Siraudin, Christopher Morris2026-05-13

💬 NLP

HE-SNR: Uncovering Latent Logic via Entropy for Guiding Mid-Training on SWE-bench

تعالج هذه الورقة البحثية نقص مقاييس منتصف التدريب الفعالة لـ SWE-bench من خلال تقديم استراتيجية تصفية للبيانات ومقياس HE-SNR، الذي يستند إلى فرضية ضغط الإنتروبيا لتوجيه تحسين النماذج اللغوية الكبيرة بشكل أفضل لمهام هندسة البرمجيات المعقدة.

Yueyang Wang, Jiawei Fu, Baolong Bi, Xili Wang, Xiaoqing Liu2026-05-13

🤖 machine learning

Clarity: The Flexibility-Interpretability Trade-Off in Sparsity-aware Concept Bottleneck Models

تقدم هذه الورقة "Clarity"، وهو مقياس وإطار تقييم مبتكر يكشف عن مقايضة حرجة بين المرونة والقابلية للتفسير في نماذج عنق الزجاجة المفاهيمية المدركة للتناثر، مما يثبت أن هذا المقياس يتوافق بشكل أفضل بكثير مع الثقة البشرية مقارنة بمقاييس الأداء القياسية.

Konstantinos P. Panousis, Diego Marcos2026-05-13

🤖 machine learning

Parabolic Position Encoding: Vision-Centric, Principled, Extrapolatable, General

تقدم هذه الورقة البحثية ترميز الموضع المكافئ (PaPE)، وهو طريقة لترميز الموضع ترتكز على الرؤية وتتبع نهجاً مبدئياً، تستفيد من الدوال المكافئة لتحقيق قدرة فائقة على الاستقراء والتعميم عبر مختلف الأنماط البصرية مقارنة بالنماذج المرجعية الحالية.

Christoffer Koo Øhrstrøm, Rafael I. Cabral Muchacho, Yifei Dong, Filippos Moumtzidellis, Ronja Güldenring, Florian T. Po (…)2026-05-13

💬 NLP

RACC: Representation-Aware Coverage Criteria for LLM Safety Testing

تقدم هذه الورقة البحثية RACC (معايير تغطية الوعي بالتمثيل)، وهو إطار عمل قابل للتوسع لاختبار سلامة النماذج اللغوية الكبيرة عبر استخراج تمثيلات خاصة بالسلامة من الحالات الخفية لتقييم كفاية مجموعة الاختبار وتوجيه توليد الهجمات، مما يتغلب بفعالية على قيود معايير التغطية التقليدية على مستوى الخلايا العصبية.

Zeming Wei, Zhixin Zhang, Chengcan Wu, Yihao Zhang, Xiaokun Luan, Meng Sun2026-05-13

📊 statistics

Provably Data-driven Multiple Hyper-parameter Tuning with Structured Loss Function

تضع هذه الورقة أول إطار عام لتقديم ضمانات تعميم قابلة للإثبات في ضبط المعلمات الفائقة متعدد الأبعاد القائم على البيانات من خلال الاستفادة من الهندسة الجبرية الحقيقية للتعامل مع هياكل الخسارة غير الملساء، مع اشتقاق الحدود الدنيا المقابلة وتوضيح التطبيقات على "اللاسو" الموزون للمجموعات و"اللاسو" المدمج.

Tung Quoc Le, Anh Tuan Nguyen, Viet Anh Nguyen2026-05-13

🤖 machine learning

Joint Learning of Hierarchical Neural Options and Abstract World Model

تقدم الورقة البحثية AgentOWL، وهو منهج فعال في استهلاك العينات يتعلم بشكل مشترك نموذج عالم مجرد وخيارات عصبية هرمية لتمكين الوكلاء الاصطناعيين من اكتساب وتركيب مهارات جديدة ببيانات أقل وتعميم أفضل من النهج الحالية الخالية من النماذج.

Wasu Top Piriyakulkij, Wolfgang Lehrach, Kevin Ellis, Kevin Murphy2026-05-13

📊 statistics

Partition Tree: Conditional Density Estimation over General Outcome Spaces

تقدم الورقة البحثية "شجرة التقسيم" (Partition Tree)، وهو إطار عمل غير معلمي مبتكر يقدر الكثافات الشرطية عبر فضاءات مخرجات عامة من خلال تعلم تقسيمات متكيفة مع البيانات لتقليل سلب لوغاريتم الاحتمالية، إلى جانب امتداد التجميع الخاص بها، "غابة التقسيم" (Partition Forest)، والتي تُظهر أداءً فائقاً في التنبؤ الاحتمالي مقارنة بالطرق القائمة على الأشجار وطرق "الغابة العشوائية" (Random Forest) الحالية.

Felipe Angelim, Alessandro Leite2026-05-13

→ السابق التالي ←