cs.LG ورقة بحثية

Efficient Finite Initialization with Partial Norms for Tensorized Neural Networks and Tensor Networks Algorithms

تقدم هذه الورقة خوارزميتين فعالتين لتهيئة الشبكات العصبية الموترة وخوارزميات الشبكة الموترية العامة من خلال الاستخدام التكراري لمعايير فروبينيوس الجزئية والمجاميع الخطية الإيجابية لعناصر الشبكات الفرعية لتحقيق التطبيع المحدود مع الاستفادة من إعادة استخدام الحسابات الوسيطة.

Alejandro Mata Ali, Iñigo Perez Delgado, Marina Ristol Roura, Aitor Moreno Fdez. de Leceta2026-05-04

🤖 machine learning

Value Explicit Pretraining for Learning Transferable Representations

تقترح هذه الورقة البحثية طريقة "التعلم المسبق الصريح للقيمة" (Value Explicit Pretraining - VEP)، وهي طريقة تعلم ذاتي مستوحاة من التقديرات غير المثالية للبيانات غير المصنفة وتقديرات قيمة "مونت كارلو" لتعلم تمثيلات ثابتة تجاه البيئة، مما يحسن بشكل كبير من كفاءة العينات والقدرة على التعميم في مهام التعلم التعزيزي الانتقالي مقارنة بالأساليب المتطورة الحالية.

Kiran Lekkala, Henghui Bao, Sumedh A. Sontakke, Erdem Biyik, Laurent Itti2026-05-04

💬 NLP

Laissez-Faire Harms: Algorithmic Biases in Generative Language Models

تُظهر هذه الدراسة أن خمسة نماذج لغوية توليدية ضخمة، عند نشرها في بيئات "الاسترخاء" الطبيعية دون مطالبات هوية صريحة، تكرس بشكل منهجي عمليات الحذف والإخضاع والنمطية الضارة تجاه الأشخاص من الأقليات، وتولد مخرجات تمييزية تزيد احتمالية كونها سلبية بمئات إلى آلاف المرات عن كونها تمكينية، وتشكل مخاطر نفسية جسيمة.

Evan Shieh, Faye-Marie Vassel, Cassidy Sugimoto, Thema Monroe-White2026-05-04

🤖 machine learning

Mutatis Mutandis: Revisiting the Comparator in Discrimination Testing

تعيد هذه الورقة فحص دور المقارن في اختبارات التمييز من خلال التمييز بين نهج "بقاء الحال على ما هو عليه" المعياري وإطار عمل "مع مراعاة التغيير الضروري" المبتكر الذي يأخذ في الاعتبار كيفية تأثير السمات المحمية سببيًا على السمات غير المحمية، مما يقدم بديلًا أكثر تعقيدًا ولكنه أكثر تأثيرًا للكشف عن التمييز القائم على تعلم الآلة.

Jose M. Alvarez, Salvatore Ruggieri2026-05-04

⚡ electrical engineering

Discrete Cosine Transform Based Decorrelated Attention for Vision Transformers

تقترح هذه الورقة طريقتين تعتمدان على تحويل جيب التمام المتقطع (DCT) لنماذج "Vision Transformers": استراتيجية تهيئة للحفاظ على البنية لإسقاطات الانتباه الذاتي تعمل على تحسين دقة التصنيف، وتقنية ضغط في نطاق التردد تقلل من العبء الحسابي عن طريق بتر الضوضاء عالية التردد دون التضحية بالأداء.

Hongyi Pan, Emadeldeen Hamdan, Xin Zhu, Ahmet Enis Cetin, Ulas Bagci2026-05-04

💬 NLP

Bias in Large Language Models: Origin, Evaluation, and Mitigation

تقدم هذه الورقة مراجعة شاملة للتحيز في النماذج اللغوية الكبيرة، حيث تحلل أصوله بشكل منهجي، وتقيم طرق الكشف عبر مستويات البيانات والنموذج والمخرجات، وتصنف استراتيجيات التخفيف مع مناقشة الآثار الأخلاقية والقانونية للذكاء الاصطناعي المتحيز في التطبيقات الواقعية.

Yufei Guo, Muzhe Guo, Juntao Su, Zhou Yang, Mengqiu Zhu, Hongfei Li, Mengyang Qiu, Shuo Shuo Liu2026-05-04

🤖 machine learning

Learning Locally, Revising Globally: Global Reviser for Federated Learning with Noisy Labels

تقترح هذه الورقة البحثية "المراجع العالمي الاتحادي" (FedGR)، وهي طريقة مبتكرة تستفيد من الذاكرة البطيئة المتأصلة في النموذج العالمي تجاه الملصقات الصاخبة لتصحيح ضجيج الملصقات وتنظيم التدريب المحلي بشكل تعاوني، مما يحقق متانة فائقة ضد ضجيج الملصقات غير المتجانس في التعلم الاتحادي مقارنة بالنماذج المرجعية الرائدة.

Yuxin Tian, Mouxing Yang, Yuhao Zhou, Jian Wang, Qing Ye, Tongliang Liu, Gang Niu, Jiancheng Lv2026-05-04

🤖 AI

Preference Goal Tuning: Post-Training as Latent Control for Frozen Policies

تقدم هذه الورقة البحثية "ضبط أهداف التفضيل" (PGT)، وهو إطار عمل لما بعد التدريب يعمل على مواءمة السياسات المشروطة بالأهداف والمجمدة مع تفضيلات المهام من خلال تحسين تضمينات أهداف كامنة مستمرة بدلاً من تحديث معاملات السياسة، مما يحقق أداءً فائقاً ومتانة أعلى مقارنة بكل من مطالبات الخبراء والضبط الدقيق الكامل على معيار Minecraft SkillForge.

Guangyu Zhao, Kewei Lian, Haoxuan Ru, Borong Zhang, Haowei Lin, Zhancun Mu, Haobo Fu, Qiang Fu, Shaofei Cai, Zihao Wang (…)2026-05-04

💬 NLP

Representation in large language models

تجادل هذه الورقة بأن النماذج اللغوية الكبيرة مدفوعة جزئياً بمعالجة المعلومات القائمة على التمثيل بدلاً من مجرد الحفظ، وتقترح تقنيات عملية لاستقصاء هذه التمثيلات لحل المآزق النظرية وفهم القدرات المعرفية لهذه الأنظمة بشكل أفضل.

Cameron Yetman2026-05-04

⚡ electrical engineering

Distance-Aware Error for Spline Networks: A Bottom-Up Approach to Uncertainty

تقدم هذه المساهمة نهجاً حتمياً من أسفل إلى أعلى لاستخلاص حدود الخطأ المعتمدة على المسافة في الشبكات العصبية الشريطية (spline neural networks)، بما في ذلك شبكات كولموغوروف-أرنولد، من خلال تحليل أخطاء الخلايا العصبية الفردية وانتشارها عبر التركيبات، مما يثبت سرعة وموثوقية متفوقتين مقارنة بالنماذج الاحتمالية المرجعية في تطبيقات مثل تقدير الشكل والملاحة الآمنة.

Masoud Ataei, Mohammad Javad Khojasteh, Vikas Dhiman2026-05-04

→ السابق التالي ←