🤖 Category

cs.LG

24017 ورقة بحثية

🤖 machine learning

DiffATS: Diffusion in Aligned Tensor Space

تقدم هذه الورقة DiffATS، وهو إطار عمل توليدي يدرب نماذج الانتشار مباشرة على بدائيات تنسورية مدمجة ومتكيفة مع البيانات مشتقة من تفكيك توكر (Tucker decomposition) ومحاذاة بروكرستس المتعامدة (orthogonal Procrustes alignment)، مما يتيح توليداً مكانياً زمانياً عالي الدقة بكفاءة دون الاعتماد على مشفرات تلقائية عميقة مدربة مسبقاً.

Jinhua Lyu, Tianmin Yu, Brian Kim, Lizhuo Zhou, Chanwook Park, Naichen Shi2026-05-12
🤖 machine learning

Uncertainty-Aware Token Importance Estimation in Spiking Transformers

تقترح هذه الورقة البحثية Uncert، وهو إطار عمل خالٍ من التدريب يعمل على تحسين كفاءة تقليم الرموز في المحولات النبضية (spiking transformers) من خلال تقدير أهمية الرمز عبر أنماط عدم اليقين الزمني المستمدة من أدلة الفئات الموزعة وفق توزيع ديريكليه عبر خطوات نبضية متعددة.

Wenxuan Liu, Zecheng Hao, Tong Bu, Yuran Wang, Zhaofei Yu2026-05-12
🤖 machine learning

First Worst-Case Regret Bounds for Combinatorial Thompson Sampling in Sleeping Semi-Bandits

تعالج هذه الورقة الفجوات النظرية القائمة منذ فترة طويلة في خوارزمية "ثومبسون" التوافقية (combinatorial Thompson sampling) للنماذج شبه الكاملة النائمة (sleeping semi-bandits) من خلال وضع أول حدود للندم في الحالة الأسوأ لمتغير غاوس القياسي (standard Gaussian variant)، وتقديم خوارزمية CL-SG مبتكرة تحقق ندمًا محسّنًا بمقدار O~(mNT)\tilde{O}(\sqrt{mNT}) مع إظهار أداء تجريبي متفوق على مجموعات البيانات الواقعية.

Zhiming Huang, Bingshan Hu, Jianping Pan2026-05-12
🤖 machine learning

TileQ: Efficient Low-Rank Quantization of Mixture-of-Experts with 2D Tiling

تُعد TileQ طريقةً للكمّ (quantization) في مرحلة ما بعد التدريب لا تتطلب ضبطاً دقيقاً، وهي تستخدم عوامل منخفضة الرتبة ذات هيكلية بلاط ثنائية الأبعاد (2D-tiling) مشتركة عبر أبعاد المدخلات والمخرجات، مدمجة مع تقنية استدلال بمسار واحد مدمج، لتقليل استخدام الذاكرة وزمن الاستجابة بشكل كبير في نماذج خليط الخبراء (Mixture-of-Experts) مع الحفاظ على الدقة.

Hongyaoxing Gu, Xinzhe Chen, Lijuan Hu, Fangfang Liu2026-05-12
🔬 applied physics

Semi-Supervised Neural Super-Resolution for Mesh-Based Simulations

تقدم الورقة البحثية SuperMeshNet، وهو إطار عمل عصبي شبه مُشرف يستخدم التعلم التكميلي والتحيزات الاستقرائية لإعادة بناء حلول المحاكاة القائمة على الشبكات عالية الدقة بكفاءة من بيانات منخفضة الدقة، مع اشتراط 90% أقل من بيانات التدريب عالية الدقة مقارنة بالمعايير المرجعية الخاضعة للإشراف الكامل.

Jiyeon Kim, Youngjoon Hong, Won-Yong Shin2026-05-12
🤖 machine learning

MC2^2: Monte Carlo Correction for Fast Elliptic PDE Solving

تقدم هذه الورقة MC2^2، وهو حل هجين يجمع بين طرق مونت كارلو منخفضة الميزانية مع تصحيح الشبكة العصبية لتحقيق حلول عالية الدقة للمعادلات التفاضلية الجزئية الإهليلجية أسرع بـ 1000 مرة من مناهج مونت كارلو التقليدية، إلى جانب إطلاق PDEZoo، وهو معيار شامل لتقييم حل المعادلات التفاضلية الجزئية ذات الحوسبة المحدودة.

Ethan Hsu, Hong Meng Yam, Ivan Ge2026-05-12
🤖 machine learning

From Regression to Inference: Meta-Learning Predictors for Neural Architecture Search

تقترح هذه الورقة إطار عمل جديد للبحث عن البنى العصبية يستبدل الانحدار الخاضع للإشراف التقليدي بعملية "عملية تلافيفية" (Convolutional Neural Process) متعلمة ميتياً لاستنتاج أداء البنية من ملاحظات جزئية، مما يحقق تعميماً فائقاً وجودة اختيار هي الأفضل في مجالها في ظل ندرة البيانات.

Liping Deng, MingQing Xiao2026-05-12
📊 statistics

dFlowGRPO: Rate-Aware Policy Optimization for Discrete Flow Models

تقدم الورقة البحثية dFlowGRPO، وهو إطار عمل موحد للتعلم المعزز يوسع تحسين أسلوب GRPO ليشمل نماذج التدفق المنفصلة العامة من خلال صياغة عملية إزالة الضجيج كعملية اتخاذ قرار ماركوف، مما يظهر أداءً فائقاً في توليد الصور من النصوص والفهم متعدد الوسائط مقارنة بالطرق الحالية.

Zhengyan Wan, Yidong Ouyang, Panwen Hu, Qiang Sun2026-05-12
🤖 machine learning

Towards Effective Theory of LLMs: A Representation Learning Approach

تقدم هذه الورقة نظرية التمثيل الفعال (RET)، وهي إطار عمل يعمل على تجريد الحالات الخفية للنماذج اللغوية الكبيرة إلى حالات كليّة عالية المستوى للكشف عن مسارات استدلال متسقة زمنياً، واستيعاب البنية الدلالية، وتمكين التنبؤ والتدخل في سلوك النموذج.

Muhammed Ustaomeroglu, Guannan Qu2026-05-12
🤖 AI

Micro-Defects Expose Macro-Fakes: Detecting AI-Generated Images via Local Distributional Shifts

تقترح هذه الورقة إطار عمل "العيوب الدقيقة تكشف التزييف الكلي" (MDMF)، وهو إطار كشف مبتكر يعزز تحديد الصور المولدة بواسطة الذكاء الاصطناعي من خلال إسقاط تضمينات الرقع الدلالية في فضاء كامن جنائي واستخدام التباين الأقصى لمتوسط التباعد لتضخيم الاضطرابات الإحصائية الموضعية إلى تحولات توزيعية على المستوى الكلي، مما يؤدي إلى التفوق على الكواشف الحالية القائمة على الميزات العالمية.

Boxuan Zhang, Jianing Zhu, Qifan Wang, Jiang Liu, Ruixiang Tang2026-05-12