cs.LG ورقة بحثية

Mitigating Watermark Forgery in Generative Models via Randomized Key Selection

تقترح هذه الورقة دفاعاً مُثبتاً لمقاومة التزوير للذكاء الاصط์ناعي التوليدي يقوم بعشوائية اختيار مفتاح العلامة المائية ولا يقبل المحتوى إلا إذا تم اكتشافه بواسطة مفتاح واحد بالضبط، مما يخفف بفعالية هجمات التزوير دون تقليل فائدة النموذج أو زيادة الأعباء الحسابية.

Toluwani Aremu, Noor Hussein, Munachiso Nwadike, Samuele Poppi, Jie Zhang, Karthik Nandakumar, Neil Gong, Nils Lukas2026-05-12

💬 NLP

$K^4$ : Online Log Anomaly Detection Via Unsupervised Typicality Learning

تقدم الورقة البحثية $K^4$ ، وهو إطار عمل غير مُشرف وغير معتمد على محلل لغوي، يحقق أداءً فائقاً في كشف شذوذ السجلات عبر الإنترنت من خلال تحويل تضمينات السجلات إلى واصفات مدمجة رباعية الأبعاد مشتقة من إحصائيات أقرب $k$ جار، وذلك بسرعة ودقة استثنائيتين.

Weicong Chen, Vikash Singh, Zahra Rahmani, Debargha Ganguly, Mohsen Hariri, Vipin Chaudhary2026-05-12

🔬 physics

Task complexity shapes internal representations and robustness in neural networks

تُظهر هذه الورقة أن تعقيد المهمة يشكل بشكل أساسي التمثيلات الداخلية ومتانة الشبكات العصبية من خلال الكشف عن أن المهام الصعبة تعتمد على قيم أوزان دقيقة بينما تعتمد المهام السهلة بشكل أساسي على الطوبولوجيا ثنائية التجزئة الموقعة، وهو تميز يتم قياسه بواسطة مقياس فجوة أداء مبتكر بين النماذج كاملة الدقة والنماذج الثنائية أو المبعثرة.

Robert Jankowski, Filippo Radicchi, M. Ángeles Serrano, Marián Boguñá, Santo Fortunato2026-05-12

📊 statistics

Randomized PCA Forest for Unsupervised Outlier Detection

تقترح هذه الورقة طريقة جديدة غير خاضعة للإشراف للكشف عن القيم المتطرفة تسمى "غابة تحليل المكونات الرئيسية العشوائية" (Randomized PCA Forest)، والتي تستفيد من الخصائص الجوهرية لتحليل المكونات الرئيسية العشوائي للبحث التقريبي عن أقرب $K$ من الجيران لاستخلاص درجات القيم المتطرفة، مما يظهر أداءً فائقاً وكفاءة حوسبية عبر مختلف مجموعات البيانات مقارنة بالأسالهم الكلاسيكية والحديثة.

Muhammad Rajabinasab, Farhad Pakdaman, Moncef Gabbouj, Peter Schneider-Kamp, Arthur Zimek2026-05-12

🤖 machine learning

EventTSF: Event-Aware Non-Stationary Time Series Forecasting

يُعد EventTSF إطار عمل انتشار ذاتي الانحدار يعمل على تحسين التنبؤ بالسلاسل الزمنية غير المستقرة من خلال دمج البيانات النصية للأحداث عبر خطوات مطابقة التدفق الواعية بالأحداث، مما يعالج تحديات التفاعل متعدد الوسائط وصعوبة إزالة الضجيج غير المتوازنة ليتفوق بشكل كبير على النماذج المرجعية الحالية.

Yunfeng Ge, Ming Jin, Yiji Zhao, Hongyan Li, Bo Du, Chang Xu, Shirui Pan2026-05-12

🤖 machine learning

Learning to Learn the Macroscopic Fundamental Diagram using Physics-Informed and meta Machine Learning techniques

تقترح هذه الورقة إطار عمل للتعلم التلوي (Meta-Learning) متكاملاً مع شبكة عصبية متعددة المهام مستوحاة من الفيزياء (Multi-Task Physics-Informed Neural Network) لتقدير المخطط الأساسي العياني (Macroscopic Fundamental Diagram) بدقة في سيناريوهات ندرة البيانات من خلال نقل الأنماط من المدن الغنية بالبيانات، محققةً تحسناً بنسبة 50% في دقة التنبؤ بالتدفق مقارنة بالطرق التقليدية.

Amalie Roark, Serio Agriesti, Francisco Camara Pereira, Guido Cantelmo2026-05-12

🤖 machine learning

Multimodal Representation Learning Conditioned on Semantic Relations

تقترح هذه الورقة البحثية "التعلم متعدد الوسائط المشروط بالعلاقات" (RCML)، وهو إطار عمل يولد تضمينات متعددة الوسائط مدركة للسياق مشروطة بعلاقات دلالية من اللغة الطبيعية للتفوق على النماذج التقليدية غير المشروطة بالعلاقات مثل (CLIP) في مختلف مهام الاسترجاع والتصنيف.

Yang Qiao, Yuntong Hu, Bowen Zhu, Hasibul Haque, Liang Zhao2026-05-12

📊 statistics

Privacy Auditing Synthetic Data Release through Local Likelihood Attacks

تقدم هذه الورقة البحثية Gen-LRA، وهو هجوم استدلال العضوية من نوع (No-Box) جديد وفعال حاسوبياً يستغل الإفراط في التخصيص المحلي في النماذج التوليدية للبيانات الجدولية لتدقيق مخاطر الخصوصية في إصدارات البيانات الاصطناعية بفعالية، مما يظهر أداءً متفوقاً على الأساليب الحالية من خلال كل من الضمانات النظرية والمقارنات المعيارية التجريبية.

Joshua Ward, Chi-Hua Wang, Guang Cheng2026-05-12

📊 statistics

Robust Analysis for Resilient AI System

تقدم هذه الورقة البحثية DPD-Lasso، وهي طريقة انحدار متينة جديدة تجمع بين تباعد قدرة الكثافة (Density Power Divergence) وتنظيم لاسو (Lasso regularization) وخوارزمية تكرارية فعالة، لتحليل البيانات الملوثة بالقيم المتطرفة بفعالية في أنظمة إنترنت الأش industrielle الصناعية التصنيعية وضمان مرونة تطبيقات الذكاء الاصطنا الصناعي مثل طباعة نفث الرذاذ (Aerosol Jet Printing).

Yu Wang, Ran Jin, Lulu Kang2026-05-12

⚡ electrical engineering

AU-Harness: An Open-Source Toolkit for Holistic Evaluation of Audio LLMs

تقدم هذه الورقة AU-Harness، وهي مجموعة أدوات مفتوحة المصدر مصممة للتغلب على عدم الكفاءة والافتقار إلى المعايير في تقييمات النماذج اللغوية الصوتية الكبيرة (LALM) الحالية من خلال تقديم إطار عمل قابل للتوسع، أسرع بنسبة 151%، مع دعم قوي للحوار متعدد الأدوار للتقييم المنهجي والعادل للنماذج.

Hoang Nguyen, Sidharth Surapaneni, Akshay Kalkunte, Jash Mehta, Aman Tiwari, Oluwanifemi Bamgbose, Khyati Mahajan, Jash (…)2026-05-12

→ السابق التالي ←

cs.LG

Mitigating Watermark Forgery in Generative Models via Randomized Key Selection

K4K^4K4: Online Log Anomaly Detection Via Unsupervised Typicality Learning

Task complexity shapes internal representations and robustness in neural networks

Randomized PCA Forest for Unsupervised Outlier Detection

EventTSF: Event-Aware Non-Stationary Time Series Forecasting

Learning to Learn the Macroscopic Fundamental Diagram using Physics-Informed and meta Machine Learning techniques

Multimodal Representation Learning Conditioned on Semantic Relations

Privacy Auditing Synthetic Data Release through Local Likelihood Attacks

Robust Analysis for Resilient AI System

AU-Harness: An Open-Source Toolkit for Holistic Evaluation of Audio LLMs

$K^4$ : Online Log Anomaly Detection Via Unsupervised Typicality Learning