cs.LG ورقة بحثية

Differentiable Autoencoding Neural Operator for Interpretable and Integrable Latent Space Modeling

تقدم هذه الورقة DIANO، وهو إطار عمل للمؤثرات العصبية ذات الترميز التلقائي القابلة للتفاضل، والذي يبني فضاءات كامنة منخفضة الأبعاد وقابلة للتفسير محكومة بمعادلات تفاضلية جزئية مدمجة لتمكين إعادة بناء فعالة ومتسقة فيزيائياً للبيانات الزمكانية عالية الدقة عبر تدرجات مكانية متفاوتة.

Siva Viknesh, Amirhossein Arzani2026-05-04

🤖 machine learning

Adaptive Node Feature Selection For Graph Neural Networks

تقترح هذه الورقة طريقة تكيفية لاختيار سمات العقد غير معتمدة على البيانات أو النموذج أو المهمة للشبكات العصبية الرسومية، والتي تحدد وتزيل السمات غير ذات الصلة أثناء التدريب من خلال قياس التغيرات في أداء التحقق عند تبديل السمات، مما يوفر أداءً تنافسيًا ودرجات أهمية سمات ذات مغزى ومبكرة دون الاعتماد على افتراضات مسبقة.

Ali Azizpour, Madeline Navarro, Santiago Segarra2026-05-04

🤖 machine learning

SketchGuard: Scaling Byzantine-Robust Decentralized Federated Learning via Sketch-Based Screening

يُعد SketchGuard إطار عمل قابلاً للتوسع للتعلم الاتحادي اللامركزي، حيث يقلل بشكل كبير من عبء الاتصالات والتكاليف الحسابية باستخدام مخططات العد (Count Sketches) منخفضة الأبعاد لفحص وتصفية الجيران البيزنطيين قبل تبادل ناقلات النموذج الكاملة، مع الحفاظ على مستويات متطورة من المتانة وضمانات التقارب.

Murtaza Rangwala, Farag Azzedin, Richard O. Sinnott, Rajkumar Buyya2026-05-04

💬 NLP

Learning from Supervision with Semantic and Episodic Memory: A Reflective Approach to Agent Adaptation

تقترح هذه الورقة إطار عمل معززاً بالذاكرة يستفيد من الانتقادات التي تولدها النماذج اللغوية الكبيرة والمخزنة في الذاكرة العرضية والدلالية لتحسين قدرة الوكيل على التكيف وتقليل تكاليف الاستدلال دون تحديث المعلمات، مع تقديم مقياس "القابلية للتأثر" لتفسير تباينات الأداء عبر مختلف النماذج والمجالات.

Jackson Hassell, Dan Zhang, Hannah Kim, Tom Mitchell, Estevam Hruschka2026-05-04

📊 statistics

Minimizing Human Intervention in Online Classification

تقترح هذه الورقة استراتيجيات تعلم نشط، بما في ذلك المصنف القائم على الغلاف المحافظ والمصنف القائم على الغلاف المعمم، لتقليل تدخل الخبراء البشريين المكلف في التصنيف القائم على النماذج اللغوية الكبيرة من خلال الاستفادة من الخصائص الهندسية لتمثيلات الاستعلام، مع توفير ضمانات ندم نظرية عبر آفاق زمنية مختلفة.

William Réveillard, Vasileios Saketos, Alexandre Proutiere, Richard Combes2026-05-04

💬 NLP

PORTool: Importance-Aware Policy Optimization with Rewarded Tree for Multi-Tool-Integrated Reasoning

تقدم الورقة البحثية PORTool، وهو خوارزمية لتحسين السياسات القائمة على الأهمية تستفيد من أشجار التدحرج (rollout trees) ذات المكافآت لتعيين مكافآت على مستوى الخطوة بناءً على الصحة وصحة التنفيذ، مما يؤدي إلى حل غموض تحديد المسؤولية (credit-assignment ambiguity) وتحسين كل من دقة وكفاءة وكلاء الاستدلال المتكاملين مع أدوات متعددة.

Feijie Wu, Weiwu Zhu, Yuxiang Zhang, Soumya Chatterjee, Jiarong Zhu, Fan Mo, Rong Luo, Jing Gao2026-05-04

🤖 machine learning

When Structure Doesn't Help: LLMs Do Not Read Text-Attributed Graphs as Effectively as We Expected

تتحدى هذه الورقة الافتراض التقليدي بأن المعلومات الهيكلية ضرورية للاستدلال الرسومي من خلال إثبات أن النماذج اللغوية الكبيرة غالباً ما تحقق أداءً قوياً على الرسوم البيانية ذات السمات النصية باستخدام الأوصاف النصية للعقد فقط، بينما لا توفر معظم استراتيجيات الترميز الهيكلي الصريح سوى مكاسب هامشية أو حتى سلبية.

Haotian Xu, Yuning You, Tengfei Ma2026-05-04

🤖 machine learning

Long-Horizon Model-Based Offline Reinforcement Learning Without Explicit Conservatism

تقدم هذه الورقة NEUBAY، وهو خوارزمية تعلم تعزيزي غير متصل (offline) تعتمد على النماذج وذات أفق طويل، تستبدل التحفظ الصريح بمنظور بايزي للتعامل بفعالية مع عدم اليقين المعرفي وتحقيق أداء رائد في مجموعات بيانات متنوعة.

Tianwei Ni, Esther Derman, Vineet Jain, Vincent Taboga, Siamak Ravanbakhsh, Pierre-Luc Bacon2026-05-04

🤖 machine learning

NRGPT: An Energy-based Alternative for GPT

تقدم الورقة البحثية NRGPT، وهي بنية GPT معدلة توحد النمذجة التوليدية مع أطر العمل القائمة على الطاقة من خلال تصور الاستدلال كاستكشاف لمشهد طاقة، وتُظهر أداءً تنافسياً عبر مهام متنوعة مع إبداء مقاومة متزايدة للإفراط في التخصيص.

Nima Dehmamy, Benjamin Hoover, Bishwajit Saha, Leo Kozachkov, Jean-Jacques Slotine, Dmitry Krotov2026-05-04

🤖 machine learning

It's Never Too Late: Noise Optimization for Collapse Recovery in Trained Diffusion Models

تقترح هذه الورقة نهجاً لتحسين الضجيج يخفف من حدة انهيار النمط في نماذج الانتشار المدربة عبر الاستفادة من أهداف بسيطة وعمليات تهيئة ضجيج متنوعة قائمة على التردد لتحقيق جودة وتنوع فائقين في التوليد دون المساس بالدقة.

Anne Harrington, A. Sophia Koepke, Shyamgopal Karthik, Trevor Darrell, Alexei A. Efros2026-05-04

→ السابق التالي ←