cs.LG ورقة بحثية

Training Reasoning Models on Saturated Problems via Failure-Prefix Conditioning

تقترح هذه الورقة "التكييف بالبادئات الفاشلة"، وهي طريقة تعزز تدريب نماذج الاستدلال على المسائل المشبعة عبر التكييف على بادئات لمسارات خاطئة نادرة لدفع الاستكشاف نحو الحالات المعرضة للفشل، مما يساهم في استخراج إشارات تعلم قيمة دون الحاجة إلى جمع بيانات جديدة مكلفة.

Minwu Kim, Safal Shrestha, Anubhav Shrestha, Keith Ross2026-05-12

⚡ electrical engineering

Reducing Prompt Sensitivity in LLM-based Speech Recognition Through Learnable Projection

تتناول هذه الورقة عدم استقرار الأداء الناتج عن تصميمات المطالبات الثابتة في التعرف على الكلام القائم على النماذج اللغوية الكبيرة، وذلك من خلال اقتراح وحدة "جهاز عرض المطالبات" (prompt projector) بسيطة ومستقلة عن النموذج، تتعلم تحسين تضمينات المطالبات، مما يؤدي إلى تحسين الدقة باستمرار وتقليل التباين عبر مجموعات البيانات المتنوعة.

Sergio Burdisso, Esaú Villatoro-Tello, Shashi Kumar, Srikanth Madikeri, Andrés Carofilis, Pradeep Rangappa, Manjunath K (…)2026-05-12

📊 statistics

Learning When to Trust LLM Priors: A Validated Framework for Semantic Prior Integration

تقدم الورقة البحثية "Statsformer"، وهو إطار عمل مُتحقق منه يعمل على معايرة تأثير الأولويات الدلالية المستمدة من النماذج اللغوية الكبيرة (LLM) بشكل تكيفي عبر مكتبة متنوعة من المتنبئات باستخدام التحقق خارج العينة (out-of-fold validation)، مما يضمن أن النموذج النهائي لا يؤدي بأداء أقل من أفضل مجموعة من المرشحين، مع تقليل وزن التوجيهات غير الموثوقة أو الهلوسة تلقائياً.

Erica Zhang, Naomi Sagan, Danny Tse, Fangzhao Zhang, Mert Pilanci, Jose Blanchet2026-05-12

🤖 machine learning

ETS: Energy-Guided Test-Time Scaling for Training-Free RL Alignment

تقترح الورقة البحثية طريقة ETS، وهي طريقة استنتاج خالية من التدريب تستفيد من توسيع نطاق وقت الاختبار الموجه بالطاقة مع تقدير مونت كارلو عبر الإنترنت وأخذ العينات بالترجيح للعينات الهامة لأخذ عينات بكفاءة من سياسات التعلم التعزيزي المثلى، مما يؤدي إلى تحسين جودة التوليد عبر معايير الاستدلال والبرمجة والعلوم دون التكلفة وعدم الاستقرار المصاحبين لتدريب ما بعد التعلم التعزيزي التقليدي.

Xiuyu Li, Jinkai Zhang, Mingyang Yi, Yu Li, Longqiang Wang, Yue Wang, Ju Fan2026-05-12

🤖 machine learning

Curriculum Learning for LLM Pretraining: An Analysis of Learning Dynamics

تُظهر هذه الدراسة أن المناهج الدراسية ذات الدوافع اللغوية في مرحلة ما قبل التدريب للنماذج اللغوية الكبيرة تعزز بشكل أساسي استقرار التدريب وتقلل من ضجيج التدرج في النماذج الأصغر من خلال تغيير مدة مراحل التعلم الكامن المشتركة، بدلاً من إنشاء مراحل جديدة، مع تضاؤل هذه الفوائد عند مقاييس النماذج الأكبر.

Mohamed Elgaar, Hadi Amiri2026-05-12

📊 statistics

Why Adam Works Better with $\beta_1 = \beta_2$ : The Missing Gradient Scale Invariance Principle

تكشف هذه الورقة أن ضبط $\beta_1 = \beta_2$ في مُحسِّن "آدم" (Adam) هو الخيار الأمثل لأنه يضمن بشكل فريد عدم التغير في مقياس التدرج من الدرجة الأولى، وهي خاصية هيكلية تفسر التحسينات الملحوظة تجريبياً في استقرار التدريب والأداء عبر المهام المتنوعة.

Alberto Fernández-Hernández, Cristian Pérez-Corral, Jose I. Mestre, Manuel F. Dolz, Enrique S. Quintana-Ortí2026-05-12

🤖 AI

Supervised Mixture-of-Experts for Surgical Grasping and Retraction

تقدم هذه الورقة بنية "خليط من الخبراء" (Mixture-of-Experts) خاضعة للإشراف تُمكّن سياسات التعلم بالتقليد خفيفة الوزن من تحقيق إمساك وسحب جراحي قوي وفعال من حيث البيانات على الأنسجة القابلة للتشوه باستخدام الصور التنظيرية ثلاثية الأبعاد فقط وأقل من 150 عرضاً توضيحياً، متفوقة بشكل كبير على النماذج القياسية في كل من سيناريوهات التوزيع الداخلي وسيناريوهات التوزيع الخارجي الصعبة، مع إثبات نقل ناجح لصفر من الأمثلة (zero-shot transfer) إلى عمليات جراحية على أنسجة خارج الجسم وعمليات أولية على الخنازير.

Lorenzo Mazza, Ariel Rodriguez, Rayan Younis, Martin Lelis, Ortrun Hellig, Chenpan Li, Sebastian Bodenstedt, Martin Wagn (…)2026-05-12

🤖 machine learning

SMOG: Scalable Meta-Learning for Multi-Objective Bayesian Optimization

تقدم الورقة البحثية إطار عمل SMOG، وهو إطار تعلم تعميمي (meta-learning) قابل للتوسع والنمطية يعتمد على العمليات الغاوسية متعددة المخرجات، والذي يستفيد من البيانات التاريخية لحل مشكلات التحسين متعدد الأهداف ذات الصندوق الأسود والمكلفة بكفاءة، وذلك عبر تعلم الارتباطات بين الأهداف ونقل عدم اليقين في البيانات الوصفية (metadata) إلى المهمة المستهدفة.

Leonard Papenmeier, Petru Tighineanu2026-05-12

🤖 AI

ScholarPeer: A Context-Aware Multi-Agent Framework for Automated Peer Review

يُعد ScholarPeer إطار عمل متعدد الوكلاء مدركاً للسياق يعمل على تعزيز عملية مراجعة النظراء من خلال محاكاة سير عمل باحث أقدم لتقديم التوجيه قبل التقديم والتحقق بعد التقديم، مُظهراً أداءً فائقاً في تدقيق السلامة التقنية وتحديد المقارنات المغفلة على مجموعة بيانات واسعة النطاق من أوراق مؤتمر ICLR المقدمة.

Palash Goyal, Mihir Parmar, Yiwen Song, Hamid Palangi, Tomas Pfister, Jinsung Yoon2026-05-12

🤖 machine learning

Root Cause Analysis of Measurement and Mechanistic Anomalies

تقترح هذه الورقة نموذجاً سببياً وإجراء استدلال فعال للتمييز بين أخطاء القياس والتحولات الميكانيكية في كشف الشذوذ، مما يتيح تحديد الموقع الدقيق للسبب الجذري وتصنيف نوع الشذوذ بأداء يضاهي أحدث ما توصلت إليه التقنيات الحالية.

Hendrik Suhr, David Kaltenpoth, Jilles Vreeken2026-05-12

→ السابق التالي ←

cs.LG

Training Reasoning Models on Saturated Problems via Failure-Prefix Conditioning

Reducing Prompt Sensitivity in LLM-based Speech Recognition Through Learnable Projection

Learning When to Trust LLM Priors: A Validated Framework for Semantic Prior Integration

ETS: Energy-Guided Test-Time Scaling for Training-Free RL Alignment

Curriculum Learning for LLM Pretraining: An Analysis of Learning Dynamics

Why Adam Works Better with β1=β2\beta_1 = \beta_2β1​=β2​: The Missing Gradient Scale Invariance Principle

Supervised Mixture-of-Experts for Surgical Grasping and Retraction

SMOG: Scalable Meta-Learning for Multi-Objective Bayesian Optimization

ScholarPeer: A Context-Aware Multi-Agent Framework for Automated Peer Review

Root Cause Analysis of Measurement and Mechanistic Anomalies

Why Adam Works Better with $\beta_1 = \beta_2$ : The Missing Gradient Scale Invariance Principle