🤖 machine learning

TransfHAR: Self-Supervised Wrist Representations for On-Demand Activity Recognition

تُعد TransfHAR إطار عمل للتعلم الذاتي لوحدات قياس القصور الذاتي (IMU) في المعصم، يستفيد من التدريب المسبق على أنشطة غير مصنفة وعامة لتمكين التعرف الدقيق واللحظي على الأنشطة التفصيلية بأقل قدر من البيانات المصنفة، متفوقاً بذلك على النماذج المرجعية الخاضعة للإشراف الكامل في كل من التقييمات غير المتصلة بالإنترنت وتطبيقات الساعات الذكية في العالم الحقيقي.

Aidan Bradshaw, Riku Arakawa, Xin Liu, Karan Ahuja2026-08-18
🤖 AI

CoupVisor: Strategy Optimization by Round and Challenge Decision Support

تقدم هذه الورقة CoupVisor، وهو نظام موحد لدعم القرار للعبة الورق Coup يدمج تتبع الاعتقاد والمحاكاة لتحسين الإجراءات القائمة على الأدوار وتوقيت التحدي، مما يثبت أن السياسات المدربة بمكافآت موجهة نحو الفوز تتفوق على النماذج المرجعية القائمة على القواعد والتركيز على المكاسب قصيرة المدى.

Cris Huynh2026-08-18
🤖 machine learning

Large Language Models as Implicit Sociological Models: Reconstructing Voting Behaviour from Sociodemographic Profiles

تقترح هذه الورقة إطاراً منهجياً يعامل النماذج اللغوية الكبيرة كأدوات سوسيولوجية ضمنية لإعادة بناء سلوك التصويت التجميعي من السمات السوسيوديموغرافية، مما يبرهن على قدرتها على محاكاة نتائج الانتخابات والهياكل السياسية الواقعية بدقة، مع تسليط الضوء على فائدتها كأدوات استكشافية للعلوم الاجتماعية الحوسبية.

Roman Neruda, Martin Bakoš, Josef Šlerka, Vít Tuček, Petra Vidnerová, Gabriela Kadlecová2026-08-18
⚛️ quantum physics

Resource-Efficient QUBO Formulation for Anchored Currency Arbitrage

تقدم هذه الورقة صياغة QUBO موفرة للموارد لمرجحة العملات المرتكزة، والتي تدمج قيوداً واقعية مثل رسوم التداول والعملات المحتفظ بها، وتستخدم عددًا أقل من الكيوبتات مقارنة بالطرق السابقة، وتوظف تقنية إعادة وزن المرجع-المقياس (anchor-gauge reweighting) لتحسين دقة الأجهزة، مما يؤدي في النهاية إلى التفوق على الترميزات الحالية في استعادة الدورات المثلى المعدلة بالرسوم بدقة.

Eric A. F. Reinhardt, Adam J. Hauser2026-08-18
🤖 machine learning

Layers Matter: Why Continual Learning Regularization Should Be Layer-Adaptive

تُثبت هذه الورقة أن منظمات التعلم المستمر القياسية تخفق في مراعاة معلومات الانحناء الحرجة لكل طبقة، مما يثبت أن النهج التكيفي مع الطبقات الذي يحمي الطبقات المبكرة بقوة بينما يسمح للطبقات الأعمق بالتحرك يحسن الأداء ويقلل النسيان بشكل كبير.

Brian B. Moser, Ahmed Anwar, Tobias Christian Nauen, Shishir Muralidhara, Federico Raue, René Schuster, Stanislav Frolov (…)2026-08-18
🤖 machine learning

S3S^3: A Smooth Simulation Surrogate for Optimizing Discrete Abstractions of Dynamical Systems

تقدم هذه الورقة S3S^3، وهو بديل محاكاة سلس وقابل للتفاضل يتيح التحسين القائم على التدرج للتجريدات المنفصلة للأنظمة الديناميكية، مما يقلل بفعالية من التحفظ مع الحفاظ على السلامة من خلال الوصول القائم على نموذج تايلور.

Jordan Peper, James Mathias Gast, Vignesh Nanduri, Tanmayee Maram, Ethan Howes, Ivan Ruchkin2026-08-18
🤖 machine learning

Information Geometry of Message Passing

تقدم هذه الورقة "تمرير الرسائل بالتدرج الطبيعي" (NGMP)، وهو إطار استدلال تبايني على رسوم بيانية عاملية بأسلوب فورني يعمل على تحسين معايرة عدم اليقين من خلال إسقاط المعتقدات الدقيقة محلياً في عائلات أسية خاصة بكل حافة بدلاً من حساب متوسط العوامل تحت معتقدات الجوار.

Mykola Lukashchuk, Kyrylo Yemets, Alex Ledbetter, żsmail Şenöz2026-08-18
🤖 machine learning

Ask to Be Sure: Informative Interactions for Confident Multi-Turn LLM Recommendation

تقترح هذه الورقة طريقة مبتكرة لتدريب أنظمة التوصية الحوارية تعمل على ضبط النماذج اللغوية الكبيرة لطرح الأسئلة بشكل استراتيجي باستخدام تقليل الإنتروبيا كإشارة مكافأة، مما يؤدي إلى تحسين دقة التوصية وكفاءة التفاعل دون الاعتماد على بيانات الحقيقة الأرضية غير المتوفرة.

Cedar Site Bai, Duanshun Li, Zhenyu Liao, Sheikh Sarwar, Huiyuan Chen, Yuan Chen, Changhe Yuan, Haiyang Zhang, Qilin Qi2026-08-18
⚛️ phenomenology

Functional anatomy of Pythia-Herwig differences with Kolmogorov-Arnold networks

تستخدم هذه الورقة شبكات كولموغوروف-أرنولد لإجراء تحليل وظيفي مرحلي للفروق بين مولدات الأحداث Pythia وHerwig، مما يكشف كيفية تطور واستمرار محركات الملاحظات المحددة مثل التعددية وشكل النفاث عبر مراحل الرش، والتهجين، والمولد الكامل.

Arghya Chattopadhyay2026-08-18
🤖 AI

Solvable Sokoban Without a Solver via Diffusion

تُثبت هذه الورقة أن نموذج الانتشار المنفصل القائم على المحولات، والذي تم تدريبه حصرياً على هدف إكمال البلاطات المحلية دون أي وصول إلى حلال أو تسميات قابلية الحل، يمكنه توليد ألغاز سوكوبان قابلة للحل بفعالية من خلال استغلال قدرته على التكيّف مع مجموعات فرعية عشوائية من اللوحة، مما يسمح بالتقاط التفاعلات غير المحلية الضرورية لتعقيد لعبة سوكوبان الذي ينتمي لفئة PSPACE-complete.

Sina Baghal2026-08-18