📊 statistics

A renormalization-group inspired lattice-based framework for piecewise generalized linear models

تقدم هذه الورقة إطار عمل قائمًا على الشبكة ومستوحى من مجموعة إعادة التطبيع للنماذج الخطية المعممة المجزأة، والذي يوفر قابلية تفسير صريحة ومشاركة مهيكلة للمعلمات، مع استخدام تحليل النسخ (replica analysis) لاستخلاص إرشادات مبدئية لتصميم الشبكة وتدرج التنظيم للحفاظ على أداء التعميم.

Joshua C. Chang2026-05-08
🤖 machine learning

Shortcut Solutions Learned by Transformers Impair Continual Compositional Reasoning

تتقصى هذه الورقة البحثية الاستدلال التركيبي المستمر في نماذج المحولات (Transformers) باستخدام إطار عمل LEGO الموسع، كاشفةً أنه في حين تفشل نماذج BERT ذات التغذية الأمامية بسبب الحلول المختصرة المتجذرة، تُظهر نماذج ALBERT المتكررة أداءً فائقاً من خلال تعلم استراتيجيات "حلقة التكرار" (for-loop) الخوارزمية التي يمكن تعزيزها بشكل أكبر عبر التدريب عبر الخبرات.

William T. Redman, Erik C. Johnson, Brian Robinson2026-05-08
🤖 machine learning

Energy Generative Modeling: A Lyapunov-based Energy Matching Perspective

توحد هذه الورقة بين تدريب وأخذ عينات النماذج التوليدية القائمة على الطاقة الساكنة والقياسية في إطار تحكم غير خطي واحد في فضاء واسرستاين، حيث يعمل تباعد كولباك -ليبلر كدالة ليابونوف لاشتقاق معايير أخذ العينات ذات الخطوات المحدودة وتمكين التركيب الجمعي لدوال الطاقة مع الحفاظ على ضمانات الاستقرار.

Yixuan Wang, Wenqian Xue, Warren E. Dixon2026-05-08
🤖 machine learning

Towards Scalable One-Step Generative Modeling for Autoregressive Dynamical System Forecasting

تقدم الورقة البحثية MeLISA، وهو نموذج توليدي ذاتي الانحدار قابل للتوسع وخالٍ من زمن التأخير يعتمد على MeanFlow في فضاء البكسل، ويحقق سرعة استدلال عالية ودقة إحصائية عالية عبر آفاق زمنية طويلة لديناميكيات السوائل المضطربة من خلال استخدام انتقالات عشوائية قائمة على الكتل وخسائر اتساق متخصصة.

Tianyue Yang, Xiao Xue2026-05-08
🤖 machine learning

FedeKD: Energy-Based Gating for Robust Federated Knowledge Distillation under Heterogeneous Settings

تقدم هذه الورقة FedeKD، وهو إطار عمل متين لتقطير المعرفة الاتحادية يستخدم آلية بوابة قائمة على الطاقة لوزن نقل المعرفة لكل عينة ديناميكيًا بناءً على عدم الاتفاق بين الوكيل والوكيل الخاص، مما يخفف من النقل السلبي في البيئات غير المتجانسة دون الحاجة إلى مجموعات بيانات عامة.

Quang-Huy Nguyen, Jiaqi Wang, Wei-shinn Ku2026-05-08
🔢 mathematics

Stability of the Monge Map in Semi-Dual Optimal Transport

تثبت هذه الورقة أن مسألة النقل الأمثل شبه المزدوج تمتلك بنية نقطة سد (saddle-point) متدهورة تعادل مسألة تحسين مقيدة، وتستنتج شروطاً ضرورية وكافية لتقارب خريطة مونج (Monge map) تفسر سبب حاجة الخوارزميات العددية عادةً إلى عدد أكبر من التكرارات لتحديث خريطة النقل مقارنة بالجهد.

Anton Selitskiy, David Millard2026-05-08
🤖 machine learning

Accelerating LMO-Based Optimization via Implicit Gradient Transport

تقترح هذه الورقة LMO-IGT، وهي فئة جديدة من طرق التحسين العشوائي التي تستفيد من نقل التدرج الضمني لتحقيق تعقيد تكراري محسّن قدره O(ε3.5)\mathcal{O}(\varepsilon^{-3.5}) باستخدام تقييم تدرج واحد فقط في كل تكرار، مع تقديم إطار عمل موحد ودالة دعم مُنظمة لسد الفجوات النظرية بين مناهج LMO القائمة على القيود وغير المقيدة.

Won-Jun Jang, Si-Hyeon Lee2026-05-08
🤖 machine learning

AeroJEPA: Learning Semantic Latent Representations for Scalable 3D Aerodynamic Field Modeling

يقدم البحث AeroJEPA، وهو بنية تنبؤية ذات تضمين مشترك تتغلب على قيود القابلية للتوسع والقيود الدلالية للنماذج البديلة الديناميكية الهوائية الحالية من خلال التنبؤ بتمثيلات التدفق الكامنة من الهندسة والظروف، مما يتيح نمذجة حقول ثلاثية الأبعاد عالية الدقة ويسهل التحسين في الفضاء الكامن ذي المعنى التصميمي.

Francisco Giral, Abhijeet Vishwasrao, Andrea Arroyo Ramo, Mahmoud Golestanian, Federica Tonti, Adrian Lozano-Duran, Stev (…)2026-05-08
💬 NLP

The Cost of Context: Mitigating Textual Bias in Multimodal Retrieval-Augmented Generation

تحدد هذه الورقة البحثية وتعالج "إعادة التشويه" (recorruption)، وهي نمط فشل في نماذج التوليد المعزز بالاسترجاع متعدد الوسائط حيث يتسبب السياق الدقيق في تخلي النماذج عن التنبؤات الصحيحة بسبب العمى البصري والتحيز الموضعي، وذلك عبر اقتراح إطار عمل "تدخل انتباه عنق الزجاجة للاسترداد" (BAIR) الخالي من المعلمات لاستعادة البروز البصري وتحسين موثوقية التشخيص دون الحاجة لإعادة التدريب.

Hoin Jung, Xiaoqian Wang2026-05-08
📊 statistics

Variational Smoothing and Inference for SDEs from Sparse Data with Dynamic Neural Flows

تقدم هذه الورقة إطار استدلال تبايني يستفيد من التدفقات العصبية الديناميكية لتقريب درجة التوزيع اللاحق للمعادلات التفاضلية العشوائية، مما يتيح تنعيماً مشتركاً وفعالاً للحالة وتقديراً للمعلمات من ملاحظات متفرقة وضوضائية مع التغلب على قيود القابلية للتوسع في الطرق الكلاسيكية.

Yu Wang, Arnab Ganguly2026-05-08