cs.LG ورقة بحثية

SCALE: State-Calibrated Latent Embeddings for JEPA Planning in the Right Geometry

تقترح الورقة البحثية SCALE، وهو منظم خفيف الوزن أثناء وقت التدريب يعمل على مواءمة هندسة التمثيلات الكامنة المتعلمة من طرف إلى طرف مع فضاء حالة معياري ذي صلة بالمهمة، مما يحسن أداء التخطيط في نماذج JEPA من خلال ضمان أن الاتجاهات عالية التباين في فضاء التضمين تلتقط بفعالية معلومات الحالة دون الحاجة إلى عبء إضافي في وقت التخطيط.

Jiaming Hu, Yan Zheng, Tian Wang2026-08-18

🤖 machine learning

Correlation Clustering with Random Partial Information

تُظهر هذه الورقة أن التجميع الارتباطي على الرسوم البيانية المتكونة من أخذ عينات فرعية عشوائية من رسم بياني كامل وموقع يتيح ضمانات تقريبية تتحسن بشكل ملحوظ عن حدود الرسوم البيانية غير الكاملة العامة وتقترب من الحدود التي يمكن تحقيقها في الرسوم البيانية الكاملة، وهو استنتاج مدعوم بكل من التحليل النظري والنتائج التجريبية.

Rajath Rao K. N., Jens Schlöter, Sami Davies, Amira Ouchene, Yasamin Nazari2026-08-18

🤖 machine learning

Advancing Open and Reproducible Relational Learning: RelArena- $\alpha$ , TabPFN-Rel and RPI

تقدم هذه الورقة الإصدار الأول من مختبرات "Prior Labs" في التعلم العلاقاتي، والذي يضم RelArena- $\alpha$ (إطار عمل موحد للتقييم المرجعي لـ RelBench v1)، وTabPFN-Rel (أداة مخصصة وعالية الأداء لـ TabPFN-3 تتحدى البنيات المتخصصة)، وRPI (واجهة مستقلة عن النموذج لسهولة تعريف المشكلات)، وكلها تهدف إلى دفع عجلة الأبحاث المفتوحة والقابلة للتكرار والمؤثرة في هذا المجال.

Adrian Hayler, Klemens Flöge, Alan Arazi, Rishabh Ranjan, Jure Leskovec, Felix Birkel, Brendan Roof, Anurag Garg, Kristi (…)2026-08-18

🤖 machine learning

Predicting, Evaluating, and Explaining Top Misinformation Spreaders via Archetypal User Behavior

تقترح هذه الورقة إطار عمل للتنبؤ بنخبة ناشري المعلومات المضللة وتقييمهم وتفسير سلوكهم من خلال نمذجة ثلاثة نماذج متباينة للمستخدمين (المضخمون، والناشرون الفائقون، والحسابات المنسقة)، مما يثبت أن سمات الناشرين الفائقين تهيمن على التصنيفات العليا بينما تعزز الديناميكيات الزمنية والذكاء الاصطناعي القابل للتفسير من دقة التنبؤ وقابلية التفسير من أجل الإشراف الاستباقي على المحتوى.

Enrico Verdolotti, Luca Luceri, Silvia Giordano2026-08-18

🤖 machine learning

Beyond Binary Priorities: Multi-Tier SLA Scheduling for Large Language Model Serving

توسع هذه الورقة البحثية جدولة Llumnix لنماذج اللغات الكبيرة (LLM) لدعم اتفاقيات مستوى الخدمة (SLAs) متعددة المستويات بما يتجاوز نموذجها الثنائي الأصلي، حيث تثبت من خلال محاكاة عالية الدقة أن التكوين رباعي المستويات يحسن فعالية التكلفة وأداء زمن الاستجابة عبر أعباء عمل متنوعة مع الحفاظ على تميز قوي في مستويات أهداف مستوى الخدمة (SLO).

Anders Vestrum, Arya Raeesi, Hanna Roed2026-08-18

🤖 machine learning

Architecture-Dependent Causal Transfer of Activation States Across Large Language Models

تُثبت هذه الورقة أنه بينما يمكن إسقاط حالات التنشيط الداخلية بين بنيات النماذج اللغوية الكبيرة المختلفة مع وجود محاذاة تمثيلية قابلة للقياس، فإن النقل السببي الناجح من البداية إلى النهاية لهذه الحالات أثناء عملية التوليد يعتمد بشكل صارم على البنية، حيث يعمل بشكل موثوق فقط لأزواج محددة من نماذج فك التشفير فقط (decoder-only) بدلاً من كونه آلية عالمية.

Fernando Cardenas Piepereit2026-08-18

🤖 machine learning

OceanDepths: A Global Dataset of Paired Subsurface and Surface Ocean Observations

تقدم هذه الورقة OceanDepths، وهي أول مجموعة بيانات مفتوحة وعالمية وجاهزة للذكاء الاصطناعي تجمع بين حقول سطح المحيط عالية الدقة المستمدة من الأقمار الصناعية (درجة حرارة سطح البحر، وملوحة سطح البحر، وارتفاع مستوى سطح البحر) مع مقاطع لدرجة الحرارة والملوحة تحت السطحية من الموقع نفسه من عام 2000 إلى 2024، لتمكين الأبحاث المتقدمة في تعلم الآلة حول ديناميكيات المحيطات وإعادة بناء الحالة.

Simon Donike, Ruben Cartuyvels, Antonino Ian Ferola, Elisa Carli, Diego Fernandez Prieto, Marie-Helene Rio2026-08-18

🤖 machine learning

Self-Routed Tensor Adapters for Parameter-Efficient Universal Visual Adaptation

تقترح الورقة البحثية "مهايئات التنسور ذات التوجيه الذاتي" (SRTA)، وهي إطار عمل فعال من حيث المعلمات يتيح التكيف البصري الشامل عبر المجالات غير المتجانسة من خلال توليد مصفوفات تكيف خاصة بكل عينة عبر التوجيه الداخلي ونواة "تاكر" مشتركة، محققةً دقة تنافسية بعدد أقل بكثير من المعلمات القابلة للتدريب مقارنة بالطرق القائمة على "خليط الخبراء" (MoE).

Suraj Yadav2026-08-18

🤖 machine learning

Mint-Agent: Introducing Finance-Native Agentic Foundation Models

تقدم الورقة البحثية Mint-Agent، وهي عائلة من النماذج التأسيسية الوكيلية المتخصصة في التمويل والمبنية على محرك بيانات متخصص، وحزام تفاعلي، ومسار تدريب متقدم يحقق مستويات رائدة في الموثوقية والقابلية للتنفيذ في المهام المالية المعقدة والقابلة للتدقيق.

Agent Team, B. Zhang, Yaze Geng, Lei Tang, Yaoyang Yi, Zonghan Wu, Yifan Hu, Kun Wang, Qingsong Wen, Yilei Shao2026-08-18

🤖 machine learning

POI Recommendation with LLM-Augmented Multi-Graph Learning and Contrastive Alignment

تقترح هذه الورقة البحثية نموذج LLM-MGCL، وهو شبكة عصبية متعددة الرسوم البيانية تدمج المعلومات الدلالية المستمدة من النماذج اللغوية الكبيرة والبيانات الجغرافية مع الإشارات التعاونية من خلال المحاذاة التباينية لمعالجة مشكلة البداية الباردة للعناصر في توصية مواقع الاهتمام (POI) بفعالية، متفوقة بشكل ملحوظ على النماذج المرجعية الحالية في مجموعة بيانات Yelp.

Burak Tamer, Wolfram Höpken, Zehui Wang2026-08-18

→ السابق التالي ←

cs.LG

SCALE: State-Calibrated Latent Embeddings for JEPA Planning in the Right Geometry

Correlation Clustering with Random Partial Information

Advancing Open and Reproducible Relational Learning: RelArena-α\alphaα, TabPFN-Rel and RPI

Predicting, Evaluating, and Explaining Top Misinformation Spreaders via Archetypal User Behavior

Beyond Binary Priorities: Multi-Tier SLA Scheduling for Large Language Model Serving

Architecture-Dependent Causal Transfer of Activation States Across Large Language Models

OceanDepths: A Global Dataset of Paired Subsurface and Surface Ocean Observations

Self-Routed Tensor Adapters for Parameter-Efficient Universal Visual Adaptation

Mint-Agent: Introducing Finance-Native Agentic Foundation Models

POI Recommendation with LLM-Augmented Multi-Graph Learning and Contrastive Alignment

Advancing Open and Reproducible Relational Learning: RelArena- $\alpha$ , TabPFN-Rel and RPI