cs.LG ورقة بحثية

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

🤖 machine learning

Discount Model Search for Quality Diversity Optimization in High-Dimensional Measure Spaces

يقدم هذا المساهمة "البحث عن نموذج الخصم" (DMS)، وهو خوارزمية تحسين مبتكرة للتنوع النوعي تستبدل الخصم القائم على المدرجات التكرارية المنفصلة بنموذج مستمر للتغلب على الركود في فضاءات القياس عالية الأبعاد وتمكين الاستكشاف الفعال بالإضافة إلى الأداء المتفوق في الاختبارات المعيارية، بما في ذلك المجالات القائمة على الصور.

Bryon Tjanaka, Henry Chen, Matthew C. Fontaine, Stefanos Nikolaidis2026-05-04

🔢 mathematics

Convergence Rate Analysis of the AdamW-Style Shampoo: Unifying One-sided and Two-Sided Preconditioning

تقدم هذه المقالة تحليلاً نظرياً للتقارب لمُحسِّن من نوع "Shampoo" شبيه بـ "AdamW"، يجمع بين التكييف أحادي الجانب وثنائي الجانب لإرساء معدل تقارب قائم على النواة (nuclear-norm) يماثل المعدل الأمثل لـ "SGD".

Huan Li, Yiming Dong, Zhouchen Lin2026-05-04

📊 statistics

Cascaded Flow Matching for Heterogeneous Tabular Data with Mixed-Type Features

تقدم هذه الورقة البحثية "مطابقة التدفق المتتالي" (Cascaded Flow Matching)، وهو نموذج توليدي جديد للبيانات الجدولية غير المتجانسة يعمل على تحسين توليد الميزات مختلطة الأنواع من خلال توليد تمثيل فئوي منخفض الدقة أولاً، ثم صقله إلى عينات عالية الدقة عبر مسار احتمالي شرطي موجه، مما يؤدي إلى توليد بيانات أكثر واقعية بشكل ملحوظ وتحسن بنسبة 51.9% في درجات الكشف.

Markus Mueller, Kathrin Gruber, Dennis Fok2026-05-04

💬 NLP

Token Sparse Attention: Efficient Long-Context Inference with Interleaved Token Selection

تقترح هذه الورقة البحثية "انتباه التوكن المتناثر" (Token Sparse Attention)، وهو آلية ديناميكية وعكوسة لتناثر مستوى التوكن تعمل على ضغط وفك ضغط أزواج المفتاح والقيمة (key-value pairs) أثناء عملية الانتباه لتحقيق تسريع كبير في الاستنتاج لنماذج اللغات الكبيرة ذات السياق الطويل مع حد أدنى من التدهور في الدقة.

Dongwon Jo, Beomseok Kang, Jiwon Song, Jae-Joon Kim2026-05-04

🤖 machine learning

Riemannian MeanFlow

تقدم هذه الورقة البحثية إطار عمل "Riemannian MeanFlow" (RMF)، الذي يتعلم خرائط تدفق مباشرة على المتشعبات لتمكين النمذجة التوليدية عالية الجودة بما يصل إلى 10 أضعاف أقل من عمليات تقييم الدوال مقارنة بنماذج الانتشار أو التدفق التقليدية، مع دعم التصميم الفعال الموجه بالمكافأة في الوقت ذاته.

Dongyeop Woo, Marta Skreta, Seonghyun Park, Kirill Neklyudov, Sungsoo Ahn2026-05-04

🤖 machine learning

Cloud Is Closer Than It Appears: Revisiting the Tradeoffs of Distributed Real-Time Inference

تتحدى هذه الورقة البحثية الافتراض السائد بأن الاستدلال القائم على السحابة غير مناسب للأنظمة السيبرانية الفيزيائية الحساسة لزمن الاستجابة، وذلك من خلال تقديم نموذج تحليلي ونتائج محاكاة تثبت أنه في ظل ظروف الإنتاجية العالية، يمكن للمنصات السحابية استهلاك تأخيرات الشبكة لتتفوق على الاستدلال المحلي على الجهاز في تلبية قيود السلامة في الوقت الفعلي لمهام مثل الكبح الطارئ الذاتي.

Pragya Sharma, Hang Qiu, Mani Srivastava2026-05-04

⚡ electrical engineering

TimeRFT: Stimulating Generalizable Time Series Forecasting for TSFMs via Reinforcement Finetuning

يقدم TimeRFT نموذجاً للضبط الدقيق بالتعزيز لنماذج التأسيس للسلاسل الزمنية، يستخدم آلية مكافأة زمنية قائمة على جودة التنبؤ واستراتيجية اختيار بيانات قائمة على الصعوبة للتغلب على قيود الضبط الدقيق الخاضع للإشراف، مما يعزز التعميم ودقة التنبؤ عبر مختلف أنظمة البيانات والتحولات في التوزيع.

Siyang Li, Yize Chen, Zijie Zhu, Yuxin Pan, Yan Guo, Ming Huang, Hui Xiong2026-05-04

→ السابق التالي ←