cs.LG ورقة بحثية

BROS: Bias-Corrected Randomized Subspaces for Memory-Efficient Single-Loop Bilevel Optimization

تقدم هذه الورقة البحثية BROS، وهي طريقة تحسين ثنائية المستوى عشوائية أحادية الحلقة وفعالة في استهلاك الذاكرة، تستخدم الفضاءات الفرعية العشوائية وتصحيح مسبار رادماخر (Rademacher bi-probe) لتحقيق نفس معدل التقارب $\mathcal O(\varepsilon^{-2})$ الخاص بالطرق الدقيقة مع تقليل ذروة استخدام الذاكرة بشكل كبير.

Hengrui Zhang, Boao Kong, Engao Zhang, Kun Yuan2026-05-12

📊 statistics

Characterizing the Generalization Error of Random Feature Regression with Arbitrary Data-Augmentation

تقدم هذه الورقة توصيفاً تقاربياً دقيقاً لخطأ التعميم في انحدار الميزات العشوائية تحت تعزيز البيانات التعسفي في النظام النسبي، حيث تعبر عن خطأ الاختبار حصرياً بدلالة الكميات السكانية وإحصائيات مخطط التعزيز، حتى في ظل عدم مطابقة النموذج ومع وجود طبقات خفية مجمدة أو عشوائية.

Lucas Morisset, Alain Durmus, Adrien Hardy2026-05-12

🤖 AI

Qwen Goes Brrr: Off-the-Shelf RAG for Ukrainian Multi-Domain Document Understanding

تقدم هذه الورقة مسار استرجاع معزز عالي الأداء لمهمة فهم المستندات متعددة المجالات باللغة الأوكرانية، والذي يستفيد من التجزئة السياقية، والاسترجاع الكثيف المدرك للسؤال، وإعادة التصنيف المشروط بخيارات الإجابة لتحقيق أعلى درجات في لوحة المتصدرين عبر إعطاء الأولوية للحفاظ على بنية المستند والوعي بفضاء الإجابة على حساب الاستدلالات المعقدة.

Anton Bazdyrev, Ivan Bashtovyi, Ivan Havlytskyi, Oleksandr Kharytonov, Artur Khodakovskyi2026-05-12

🤖 machine learning

Set Prediction for Next-Day Active Fire Forecasting

تقدم هذه الورقة نموذج WISP، وهو نموذج تنبؤ بمجموعات يعتمد على الاستعلام، والذي يعيد صياغة التنبؤ بالحرائق النشطة لليوم التالي كمسألة تنبؤ بمجموعة نقاط لتوليد مراكز عناقيد حرائق عالية الدقة ومرتبة عالمياً، محققاً أداءً فائقاً في التحديد الموضعي والتغطية مقارنة بالأساليب التقليدية القائمة على الشبكة.

Yuchen Bai, Georgios Athanasiou, Xin Yu, Diogenis Antonopoulos, Ioannis Papoutsis, Stijn Hantson, Nuno Carvalhais2026-05-12

🤖 machine learning

Follow the Mean: Reference-Guided Flow Matching

تقدم هذه الورقة البحثية "Follow the Mean"، وهو إطار عمل لمطابقة التدفق (flow matching) موجه بالمرجع يتيح توليد الصور بشكل قابل للتحكم من خلال تكييف النماذج المدربة مسبقاً عبر إزاحات متوسط النهاية القائمة على الأمثلة، مما يوفر طرقاً خالية من التدريب وشبه معلمية لتوجيه المخرجات دون الحاجة إلى ضبط دقيق أو بحث في وقت الاختبار.

Pedro M. P. Curvo, Maksim Zhdanov, Floor Eijkelboom, Jan-Willem van de Meent2026-05-12

🤖 machine learning

Active Tabular Augmentation via Policy-Guided Diffusion Inpainting

تقدم الورقة البحثية إطار عمل TAP، وهو إطار عمل مبتكر يجمع بين تقنية استكمال البيانات بالانتشار (diffusion inpainting) وسياسة مشروطة بالمتعلم لاختيار وحقن البيانات الجدولية الاصطناعية ذات المنفعة العالية بشكل نشط، مما يسد الفجوة بين دقة التوزيع وأداء النماذج اللاحقة لتحسين نتائج التصنيف والانحدار بشكل كبير في ظل الندرة الشديدة للبيانات.

Zheyu Zhang, Shuo Yang, Bardh Prenkaj, Gjergji Kasneci2026-05-12

🤖 machine learning

Relations Are Channels: Knowledge Graph Embedding via Kraus Decompositions

تقدم هذه الورقة البحثية نموذج \textsc{KrausKGE}، وهو نموذج لتمثيل الرسوم البيانية للمعرفة يستند إلى تمثيل كراوس (Kraus decomposition) وثلاثة بديهيات هيكلية (الخطية، والحفاظ على الأثر، والإيجابية التامة) يتعامل بطبيعة الحال مع العلاقات المعقدة من نوع $N$ -إلى- $N$ ، ويدعم الاستدلال متعدد القفزات ( $k$ -hop) دون الحاجة إلى مشفرات مسار صريحة، ويلغي الحاجة إلى قيود المعيار (norm constraints) مع التفوق على النماذج المرجعية الحالية.

Sayan Kumar Chaki2026-05-12

🔢 mathematics

PowerStep: Memory-Efficient Adaptive Optimization via $\ell_p$ -Norm Steepest Descent

يُعد PowerStep مُحسِّناً تكيُّفياً موفراً للذاكرة يحقق التكيف عبر الإحداثيات من خلال الانحدار الشديد لـ $\ell_p$ -norm دون تخزين إحصائيات العزم الثاني، مما يجعله يطابق سرعة تقارب Adam مع تقليل عبء الذاكرة بشكل كبير لتدريب نماذج Transformer واسعة النطاق.

Yao Lu, Dengdong Fan, Shixun Zhang, Yonghong Tian2026-05-12

🤖 machine learning

DeepLévy: Learning Heavy-Tailed Uncertainty in Highly Volatile Time Series

تقدم الورقة البحثية DeepL'evy، وهو إطار عمل عصبي يتغلب على عدم قابلية التتبع لتوزيعات ليفي المستقرة من خلال تقليل تباينات الدالة المميزة لنمذجة عدم اليقين ذي الذيول الثقيلة بفعالية والتفوق على الأساليب الحالية في التنبؤ بالسلاسل الزمنية شديدة التقلب.

Yang Yang, Du Yin, Hao Xue, Flora Salim2026-05-12

🤖 machine learning

PC3D: Zero-Shot Cooperation Across Variable Rosters via Personalized Context Distillation

تقترح الورقة البحثية طريقة PC3D، التي تمكن وكلاء التعلم المعزز متعدد الوكلاء اللامركزي من تحقيق تعاون صفري الاستباق (zero-shot cooperation) عبر قوائم فرق متغيرة من خلال استخلاص سياقات تنسيق مخصصة من معلم مركزي إلى سياسات محلية تتكيف لاستعادة المعلومات ذات الصلة للفريق من سجلات التفاعل.

Ahmet Onur Akman, Rafał Kucharski2026-05-12

→ السابق التالي ←

cs.LG

BROS: Bias-Corrected Randomized Subspaces for Memory-Efficient Single-Loop Bilevel Optimization

Characterizing the Generalization Error of Random Feature Regression with Arbitrary Data-Augmentation

Qwen Goes Brrr: Off-the-Shelf RAG for Ukrainian Multi-Domain Document Understanding

Set Prediction for Next-Day Active Fire Forecasting

Follow the Mean: Reference-Guided Flow Matching

Active Tabular Augmentation via Policy-Guided Diffusion Inpainting

Relations Are Channels: Knowledge Graph Embedding via Kraus Decompositions

PowerStep: Memory-Efficient Adaptive Optimization via ℓp\ell_pℓp​-Norm Steepest Descent

DeepLévy: Learning Heavy-Tailed Uncertainty in Highly Volatile Time Series

PC3D: Zero-Shot Cooperation Across Variable Rosters via Personalized Context Distillation

PowerStep: Memory-Efficient Adaptive Optimization via $\ell_p$ -Norm Steepest Descent