🤖 Category

cs.LG

24235 ورقة بحثية

🤖 machine learning

Covariance-Aware Goodness for Scalable Forward-Forward Learning

تقدم هذه الورقة "جودة التباين الواعي" (Covariance-Aware Goodness)، وهو إطار عمل تعلم أمامي-أمامي (Forward-Forward) قابل للتوسع يتميز بـ "جودة التباين ثنائي المحور" (Bi-axis Covariance Goodness)، و"الدمج اللوجستي" (Logistic Fusion)، و"طبقات محاذاة الميزات" (Feature Alignment Layers) للتغلب على الاختناقات الهيكلية في الإعدادات الالتفافية، محققاً أداءً مماثلاً للانتشار العكسي (backpropagation) على مجموعتي بيانات ImageNet-100 وTiny-ImageNet مع تقليل ذروة استخدام الذاكرة بنسبة 50% تقريباً.

Xiaoyi Jiang, Bashir M. Al-Hashimi, Kai Xu2026-05-07
🤖 machine learning

Probing Structural Mathematical Reasoning in Language Models with Algebraic Trapdoors

تقدم هذه الورقة مجموعة معايير مرجعية قائمة على مسائل بناء المجموعات الفرعية في SL(3, Z) لتقييم الاستدلال الرياضي الهيكلي في النماذج اللغوية، مما يكشف كيف يمكن لهذه المعايير التمييز بين النماذج التي تعتمد على الأولويات الجبرية المستبطنة مقابل الحساب العام، ويسلط الضوء على أهمية الإدراك الميتا-معرفي المعاير عند مواجهة حدود قابلية القرار المفتوحة.

Igor Rivin2026-05-07
🤖 AI

Coral: Cost-Efficient Multi-LLM Serving over Heterogeneous Cloud GPUs

يُعد Coral نظاماً لخدمة النماذج اللغوية الكبيرة المتعددة (multi-LLM) يتسم بالتكيف والوعي بالتباين، حيث يعمل على تحسين تخصيص الموارد واستراتيجيات الخدمة بشكل مشترك عبر وحدات معالجة الرسومات السحابية المتنوعة، محققاً خفضاً في التكلفة يصل إلى 2.79 ضعفاً وزيادة في الإنتاجية الجيدة (goodput) بمقدار 2.39 ضعفاً، وذلك باستخدام عملية تفكيك ثنائية المرحلة غير فاقدة للمعلومات لتمكين اتخاذ قرارات سريعة وشبه مثالية.

Yixuan Mei, Zikun Li, Zixuan Chen, Shiqi Pan, Mengdi Wu, Xupeng Miao, Zhihao Jia, K. V. Rashmi2026-05-07
💻 computer science

Intermediate Representations are Strong AI-Generated Image Detectors

تقترح هذه المقالة طريقة كشف جديدة قائمة على البحث تستفيد من حساسية تضمينات البيانات في الطبقات المتوسطة لتحديد الصور المولدة بواسطة الذكاء الاصطناعي بفعالية، مما يحقق تعميماً وأداءً متفوقين مقارنة بكل من التقنيات الحالية المعتمدة على التدريب والتقنيات الخالية من التدريب.

Zhenhan Huang, Pin-Yu Chen, Tejaswini Pedapati, Jianxi Gao2026-05-07
🤖 machine learning

GraphPI: Efficient Protein Inference with Graph Neural Networks

يُعد GraphPI إطار عمل جديداً وعالمياً يستفيد من الشبكات العصبية الرسومية والتدريب الذاتي على البيانات ذات الملصقات الزائفة لتنفيذ استدلال البروتين بكفاءة كمسألة تصنيف للعقد، متجاوزاً بذلك ندرة الملصقات وملغياً الحاجة إلى الضبط الدقيق الخاص بكل مجموعة بيانات مع تقليل وقت الحوسبة بشكل كبير.

Zheng Ma, Jiazhen Chen, Lei Xin, Ali Ghodsi2026-05-07
🤖 machine learning

Critical Windows of Complexity Control: When Transformers Decide to Reason or Memorize

تُظهر هذه الدراسة أن قدرة نموذج "ترانسفورمر" على التعميم من خلال الاستنتاج بدلاً من الحفظ تتحدد ضمن نافذة تدريب حرجة وحادة، حيث يكون توقيت اضمحلال الأوزان ونطاق التهيئة حاسمين، مما يتحدى الرؤية التي تعتبر التحكم في التعقيد مجرد اختيار ثابت للمعلمات الفائقة.

Sarwan Ali2026-05-07
🤖 machine learning

Beyond Rigid Geometries: The Spline-Pullback Metric for Universal Diffeomorphic SPD Representation Learning

تقدم هذه الورقة البحثية مقياس سحب الـ "Spline" (SPM)، وهو إطار عمل مبتكر يستبدل المقاييس الريمانية الصلبة والثابتة بتمثيل "B-spline" قابل للتعلم وثابت الرتبة لتحقيق تعلم تمثيل متماثل التباين (diffeomorphic) لمتوسطات مصفوفات التماثل الموجبة المعرفة (SPD) بشكل شامل، مما يتغلب على عدم استقرار التدرج والقيود الهندسية مع تقديم أداء رائد عبر مختلف بنيات التعلم العميق.

Tushar Das, Subrata Dutta, Sarmistha Neogy, Koushlendra Kumar Singh2026-05-07
🤖 AI

Evaluation Cards for XAI Metrics

لمعالجة نقص المعايير والشفافية في تقييم أساليب الذكاء الاصطناٍعي القابل للتفسير (XAI)، تقترح هذه الورقة "بطاقة تقييم الذكاء الاصطناعي القابل للتفسير"، وهي نموذج توثيق مصمم لتسجيل التفاصيل الحرجة مثل الخصائص المستهدفة، والافتراضات، وأدلة التحقق لأي مقياس جديد للذكاء الاصطناعي القابل للتفسير بشكل منهجي.

Rokas Gipiškis, Olga Kurasova2026-05-07
📊 statistics

Counterfactual identifiability beyond global monotonicity: non-monotone triangular structural causal models

تقدم هذه الورقة نماذج سببية هيكلية مثلثية غير رتيبة (NM-TM-SCMs) تستبدل الرتابة العالمية المقيدة بقابلية العكس على مستوى الآلية ونقل عكسي مستقل عن السياق لتحقيق قابلية تحديد كاملة للواقع المضاد، مما يظهر أداءً فائقاً في استعادة الواقع المضاد للتفاعلات المتجسدة غير الرتيبة مقارنة بالنماذج المرجعية الحالية.

Pengcheng Tan, Jiang Chen, Dehui Du2026-05-07
🤖 AI

Deployment-Relevant Alignment Cannot Be Inferred from Model-Level Evaluation Alone

تجادل هذه الورقة بأن المواءمة ذات الصلة بالنشر لا يمكن استنتاجها من تقييمات مستوى النموذج وحدها، حيث تثبت من خلال عمليات التدقيق واختبارات الإجهاد أن المعايكات الحالية تفتقر إلى التحقق الموجه للمستخدم والقدرة على توجيه العمليات، مما يستوجب التحول نحو أطر تقييم على مستوى النظام تأخذ في الاعتبار صراحةً سياقات التفاعل وتبعية السقالات.

Varad Vishwarupe, Nigel Shadbolt, Marina Jirotka, Ivan Flechais2026-05-07