🤖 machine learning

On the Safety of Graph Representation Learning

تقدم هذه الورقة GRL-Safety، وهو معيار شامل متعدد المحاور يقيم اثني عشر أسلوباً من أساليب تعلم تمثيل الرسوم البيانية عبر خمسة وعشرين مجموعة بيانات ليكشف أن أداء السلامة يعتمد على التفاعل بين تصميم التمثيل وعوامل إجهاد محددة، مما يظهر أن النماذج التأسيسية تقدم نقاط قوة خاصة بكل محور بدلاً من متانة شاملة.

Xiaoguang Guo, Zehong Wang, Ziming Li, Shawn Spitzel, Soonwoo Kwon, Tianyi Ma, Yanfang Ye, Chuxu Zhang2026-05-08
🔢 mathematics

Distributionally-Robust Learning to Optimize

تقترح هذه المقالة إطار عمل للتعلم من أجل الأمثلة يتسم بالمتانة التوزيعية، يوحّد بين التعلم من أجل الأمثلة الكلاسيكي وتصميم الخوارزميات في الحالة الأسوأ عن طريق تقليل مشكلة تقدير أداء قائمة على مسافة واسرستاين، وتقدم خوارزميات ذات ضمانات أداء مثبتة خارج العينة تتفوق على النماذج المرجعية الحالية.

Vinit Ranjan, Jisun Park, Bartolomeo Stellato2026-05-08
⚛️ phenomenology

BRICKS: Compositional Neural Markov Kernels for Zero-Shot Radiation-Matter Simulation

تقدم هذه الورقة BRICKS، وهو بديل عصبي تركيبي قابل للتفاضل يعتمد على محولات هجينة (متقطعة-مستمرة) ومطابقة تدفق ريمانية، يتيح محاكاة عالية السرعة وبدون تدريب مسبق لتفاعلات الإشعاع مع المادة من خلال تركيب نوى التنبؤ بالجسيم التالي لنمذجة توزيعات المواد واسعة النطاق غير المرئية.

Richard Hildebrandt, Evangelos Kourlitis, Baran Hashemi, Manuel Bünstorf, Thierry Meyer, Nikola Boskov, Michael Kagan, D (…)2026-05-08
🤖 machine learning

Cross-Modal Navigation with Multi-Agent Reinforcement Learning

تقدم هذه الورقة البحثية CRONA، وهو إطار عمل للتعلم التعزيزي متعدد الوكلاء للملاحة عبر الوسائط، يستفيد من وكلاء متخصصين في الوسائط مع ناقد مركزي لتحقيق ملاحة مجسدة قوية وفعالة، لا سيما في البيئات المعقدة حيث تعاني النماذج أحادية الوكيل.

Shuo Liu, Xinzichen Li, Christopher Amato2026-05-08
💬 NLP

UniSD: Towards a Unified Self-Distillation Framework for Large Language Models

تقترح الورقة البحثية UniSD، وهو إطار عمل موحد للتقطير الذاتي يدمج بشكل منهجي آليات متكاملة لمعالجة موثوقية الإشراف واستقرار التدريب في النماذج اللغوية الكبيرة، محققاً أداءً فائقاً عبر معايير قياس متنوعة دون الاعتماد على معلمين خارجيين أقوى.

Yiqiao Jin, Yiyang Wang, Lucheng Fu, Yijia Xiao, Yinyi Luo, Haoxin Liu, B. Aditya Prakash, Josiah Hester, Jindong Wang (…)2026-05-08
📊 statistics

DARTS: Targeting Prognostic Covariates in Budget-Constrained Sequential Experiments

تقدم الورقة البحثية DARTS، وهي طريقة تستخدم أخذ عينات تومسونون للاختيار المتسلسل للمتغيرات التنبؤية ضمن ميزانية قياس للتجارب المتسلسلة، مما يقلل من تباين تأثير العلاج مع الحفاظ على الصلاحية الاستدلالية وتحقيق كفاءة استحواذ قريبة من المثالية.

Kateryna Husar, Alexander Volfovsky2026-05-08
🤖 machine learning

SoftSAE: Dynamic Top-K Selection for Adaptive Sparse Autoencoders

تقدم هذه الورقة البحثية SoftSAE، وهو مشفر تلقائي متباعد (sparse autoencoder) يستخدم عامل Soft Top-K قابل للتفاضل لضبط عدد الميزات النشطة ديناميكيًا بناءً على تعقيد المدخلات، مما يتغلب على قيود مستويات التباعد الثابتة في نماذج Top-K SAE التقليدية من أجل تفسير آلي أكثر دقة وتكيفًا.

Jakub Stępień, Marcin Mazur, Jacek Tabor, Przemysław Spurek2026-05-08
🤖 machine learning

PianoCoRe: Combined and Refined Piano MIDI Dataset

تقدم هذه الورقة PianoCoRe، وهي مجموعة بيانات MIDI لبيانو ضخمة وموحدة ومنقحة تضم أكثر من 250,000 أداء مع محاذاة على مستوى النوتات، مصحوبة بأدوات مبتكرة لتصنيف الجودة وتحسين المحاذاة لدفع عجلة أبحاث نمذجة الأداء التعبيري واسترجاع المعلومات الموسيقية.

Ilya Borovik2026-05-08
🤖 machine learning

Hybrid Quantum-Classical GANs for the Generation of Adversarial Network Flows

تقترح هذه الورقة إطار عمل لشبكة خصومية توليدية هجينة بين الكم والتقليدي (QC-GAN) تستفيد من المولدات الكمية التباينية لإنشاء تدفقات شبكية خصومية اصطناعية قادرة على مراوغة أنظمة كشف التسلل التقليدية، مع تقييم تأثير ضوضاء الأجهزة الكمية على هذه الهجمات للتأكيد على الحاجة إلى دفاعات مقاومة للكم.

Prateek Paudel, Nitin Jha, Abhishek Parakh, Mahadevan Subramaniam2026-05-08
🤖 machine learning

Crafting Reversible SFT Behaviors in Large Language Models

تقدم هذه الورقة البحثية طريقة "النزول المزدوج المقيد بالخسارة" (LCDD) و"ممحاة الضبط الدقيق الموجه" (SFT-Eraser) لضغط سلوكيات الضبط الدقيق الموجه في شبكات فرعية متفرقة وضرورية سببيًا ("الحوامل") يمكن كبتها انتقائيًا عند الاستنتاج عبر محفز ناعم دون تعديل أوزان النموذج.

Yuping Lin, Pengfei He, Yue Xing, Yingqian Cui, Jiayuan Ding, Subhabrata Mukherjee, Hui Liu, Zhen Xiang2026-05-08