cs.LG ورقة بحثية

A Systematic Investigation of The RL-Jailbreaker in LLMs

تقدم هذه الورقة أول تفكيك منهجي لعمليات كسر الحماية القائمة على التعلم المعزز، كاشفةً أن عوامل صياغة البيئة — وتحديداً المكافآت الكثيفة وأطوال الحلقات الممتدة — هي المحركات الرئيسية لهجمات ناجحة ضد جميع النماذج اللغوية الكبيرة المستهدفة وضماناتها.

Montaser Mohammedalamen, Kevin Roice, Reginald McLean, Alyssa Lefaivre Škopac2026-05-11

🤖 machine learning

PACEvolve++: Improving Test-time Learning for Evolutionary Search Agents

يقدم PACEvolve++ إطار عمل للتعلم التعزيزي لوكلاء البحث التطوري يفصل بين اختيار الفرضيات الاستراتيجية والتنفيذ باستخدام مستشار قابل للتدريب ونموذج رائد، موظفاً استراتيجية تدريب تكيفية مع المراحل لتحقيق تقارب أسرع وتعلم مستقر في وقت الاختبار عبر مختلف المهام الهندسية والعلمية.

Minghao Yan, Bo Peng, Benjamin Coleman, Ziqi Chen, Zhouhang Xie, Shuo Chen, Zhankui He, Noveen Sachdeva, Weili Wang, Ed (…)2026-05-11

📊 statistics

An Interpretable and Scalable Framework for Evaluating Large Language Models

تقترح هذه الورقة إطار عمل قابلاً للتوسع وقابلاً للتفسير يعتمد على مبدأ "التعظيم الأدنى" (majorization-minimization) للتغلب على القيود الحسابية وقيود الاستقرار لطرق نظرية الاستجابة للمفردة التقليدية، مما يتيح تقييماً فعالاً ودقيقاً للنماذج اللغوية الكبيرة عبر معايير قياس متنوعة.

Xinhao Qu, Qiang Heng, Hao Zeng, Xiaoqian Liu2026-05-11

🤖 machine learning

Unlocking High-Fidelity Molecular Generation from Mass Spectra via Dual-Stream Line Graph Diffusion

تقدم هذه الورقة DualLGD، وهو نموذج انتشار للرسوم البيانية الخطية ثنائي المسار يتغلب على الاختناق المعماري للطرق أحادية المسار الحالية من خلال فك الارتباط والمزامنة الصريحة للاستنتاج على مستوى الذرات والروابط عبر الانتباه المتقاطع المقيد بالوقوع، محققاً بذلك أداءً هو الأفضل في فئته في التوليد الجزيئي من طيف الكتلة.

Xujun Che, Xiuxia Du, Depeng Xu2026-05-11

🤖 machine learning

Towards Differentially Private Reinforcement Learning with General Function Approximation

تقدم هذه الورقة أول ضمانات نظرية للتعلم التعزيزي عبر الإنترنت ذي الخصوصية التفاضلية مع التقريب الوظيفي العام، محققةً حداً للندم بمقدار $\widetilde{O}(K^{3/5})$ من خلال دمج مبتكر بين تحديثات السياسة المجمعة والآلية الأسية، مع توضيح الفجوات في الإعدادات الخطية السابقة أيضاً.

Yi He, Xingyu Zhou2026-05-11

🤖 machine learning

Integrating Causal DAGs in Deep RL: Activating Minimal Markovian States with Multi-Order Exposure

تتناول هذه الورقة تحدي بناء حالات ماركوفية مثبتة من الرسوم البيانية السببية الطولية في التعلم المعزز العميق عبر تقديم MOSE (التعرض للحالة متعدد الرتب)، وهي طريقة تغذي دالة Q ببناءات حالات تاريخية متعددة الرتب لتوضيح أن الحشو المنضبط، وليس الكفاية الدنيا وحدها، ضروري لإطلاق فوائد الأداء لمعلومات الحالة السببية.

Jiamin Xu, Jacqueline Maasch, Kyra Gan2026-05-11

🤖 machine learning

Dr. Post-Training: A Data Regularization Perspective on LLM Post-Training

يقدم "Dr. Post-Training" إطار عمل مبتكر يعيد صياغة بيانات التدريب العامة الوفيرة كمنظم مستحث بالبيانات لمنع الإفراط في التخصيص على البيانات المستهدفة الشحيحة، وذلك عبر إسقاط اتجاهات التحديث على مجموعة قابلة للتنفيذ، مما يجعله يتفوق على أساليب اختيار البيانات الحالية في مهام الضبط الدقيق الموجه للتعليمات (SFT)، والتعلم التعزيزي من التغذية الراجعة البشرية (RLHF)، والتعلم التعزيزي من المكافأة المتغيرة (RLVR) بأقل قدر من العبء الحسابي.

Pingbang Hu, Xueshen Liu, Z. Morley Mao, Jiaqi W. Ma2026-05-11

📊 statistics

Less Random, More Private: What is the Optimal Subsampling Scheme for DP-SGD?

تُثبت هذه الورقة أن استبدال أخذ العينات الفرعية بأسلوب "بواسون" القياسي في خوارزمية (DP-SGD) بمخطط "التكرار المتوازن" (BIS) المهيكل، والذي يقضي على تباين المشاركة مع الحفاظ على المشاركة الهامشية الموحدة، يحقق تعزيزاً متفوقاً للخصوصية ويقلل من مضاعف الضوضاء المطلوب بنسبة تصل إلى 9.6% في أنظمة الضوضاء المنخفضة.

Andy Dong, Ayfer Özgür2026-05-11

💬 NLP

Self-Consolidating Language Models: Continual Knowledge Incorporation from Context

تقترح الورقة البحثية نماذج لغوية ذاتية التماسك (SCoL)، وهو إطار عمل لما بعد التدريب يُمكّن النماذج اللغوية الكبيرة من دمج معارف جديدة باستمرار في أوزانها عبر توليد تعليمات تحديث متفرقة ومحددة لكل طبقة من خلال التعلم المعزز الميتافيزيقي، مما يؤدي إلى تحسين الاحتفاظ بالمعلومات وتقليل التداخل مقارنة بالنماذج المرجعية الحالية.

Zekun Wang, Anant Gupta, Zihan Dong, Christopher J. MacLellan2026-05-11

🤖 machine learning

Test-Time Compositional Generalization in Diffusion Models via Concept Discovery

تقترح هذه الورقة طريقة للتعميم التركيبي عند وقت الاختبار لنماذج الانتشار المدربة مسبقاً، والتي تكتشف مفاهيم خاصة بالاستعلام من خلال تحليل هندسة الدرجة المعتمدة على الوقت لبناء نموذج معلم قائم على "حاصل ضرب الخبراء"، مما يتيح توليد تكوينات جديدة دون الاعتماد على مكتبات مفاهيم محددة مسبقاً.

Zekun Wang, Anant Gupta, Tianyi Zhu, Christopher J. MacLellan2026-05-11

→ السابق التالي ←