🤖 Category

cs.LG

24528 ورقة بحثية

🤖 machine learning

TSN-Affinity: Similarity-Driven Parameter Reuse for Continual Offline Reinforcement Learning

تقترح هذه الورقة البحثية TSN-Affinity، وهي طريقة جديدة للتعلم التعزيزي غير المتصل المستمر تعتمد على الشبكات الفرعية الصغيرة (TinySubNetworks) ومحول القرار (Decision Transformer) لتمكين المعلمة الخاصة بالمهمة ومشاركة المعرفة القائمة على التشابه، مما يوفر بديلاً فعالاً من حيث كفاءة الذاكرة لاستراتيجيات قائمة على إعادة التشغيل، والتي تخفف بفعالية من النسيان الكارثي عبر مهام التحكم المنفصلة والمتصلة.

Dominik Żurek, Kamil Faber, Marcin Pietron, Paweł Gajewski, Roberto Corizzo2026-04-29
💬 NLP

Toward a Functional Geometric Algebra for Natural Language Semantics

تقترح هذه الورقة إطار عمل للجبر الهندسي الوظيفي (FGA) يستفيد من جبر كليفورد للتغلب على القيود الهيكلية للجبر الخطي التقليدي في دلالات اللغة الطبيعية، مما يوفر نظاماً مبدئياً، ونوعياً، وتركيبياً لتمثيل المفاهيم الدلالية وتفاعلاتها ضمن فضاء متعدد المتجهات موحد.

James Pustejovsky2026-04-29
🤖 machine learning

Carbon-Taxed Transformers: A Green Compression Pipeline for Overgrown Language Models

تقدم هذه الورقة "محولات ضريبة الكربون" (Carbon-Taxed Transformers - CTT)، وهي مسار ضغط متعدد البنيات ومنهجي مستوحى من مبادئ فرض ضرائب الكربون الاقتصادية، يعمل على تقليل الذاكرة، ووقت الاستدلال، وانبعاثات الكربون للنماذج اللغوية الكبيرة في مهام هندسة البرمجيات بشكل كبير مع الحفاظ على دقة عالية.

Ajmain Inqiad Alam, Palash Roy, Chanchal K. Roy, Banani Roy, Kevin A. Schneider2026-04-29
📊 statistics

Teacher Forcing as Generalized Bayes: Optimization Geometry Mismatch in Switching Surrogates for Chaotic Dynamics

تكشف هذه الورقة أنه بينما يعمل "إجبار المعلم للهوية" (ITF) على استقرار التدريب للأنظمة الديناميكية الفوضوية من خلال فرض مسار نظام محدد، فإنه يخلق عدم تطابق في الهندسة الأمثلية مع الاحتمالية الهامشية الحقيقية — حيث يتناقض انحناء (ITF) المتضخم مع الانحناء المنخفض للاحتمالية الهامشية الناتج عن تصحيحات المعلومات المفقودة — مما يظهر في النهاية أن الضبط الدقيق باستخدام الأدلة النافذة يمكن أن يحسن الأدلة المحتجزة ولكنه يقلل من الكميات الديناميكية محل الاهتمام مقارنة بالنماذج المدربة مسبقاً باستخدام (ITF).

Andre Herz, Daniel Durstewitz, Georgia Koppe2026-04-29
🤖 machine learning

How Fast Should a Model Commit to Supervision? Training Reasoning Models on the Tsallis Loss Continuum

تقدم هذه الورقة بحثاً حول متصل "تساليس" (Tsallis) للخسارة الذي يتوسط بين التعلم التعزيزي وتقدير الكثافة لحل مشكلة توقف البداية الباردة في نماذج الاستدلال، مقترحةً مُقدِّرين عمليين (GARL وPAFT) يتفوقان بشكل كبير على الطرق القياسية مثل GRPO في اختبارات الاستدلال المعقدة من خلال موازنة سرعة الهروب من احتمالات النجاح المنخفضة مع استقرار التدريب.

Chu-Cheng Lin, Eugene Ie2026-04-29
💬 NLP

Recursive Multi-Agent Systems

تقدم هذه الورقة البحثية RecursiveMAS، وهو إطار عمل متعدد الوكلاء تكراري يوحد الوكلاء غير المتجانسين في حلقة تعاون في الفضاء الكامن باستخدام خوارزمية تعلم مبتكرة، محققاً تحسينات كبيرة في الدقة، وسرعة الاستدلال، وكفاءة الرموز (tokens) عبر معايير متنوعة مقارنة بالأنظمة الحالية أحادية ومتعددة الوكلاء.

Xiyuan Yang, Jiaru Zou, Rui Pan, Ruizhong Qiu, Pan Lu, Shizhe Diao, Jindong Jiang, Hanghang Tong, Tong Zhang, Markus J. (…)2026-04-29
🤖 machine learning

Bayesian Optimistic Optimisation with Exponentially Decaying Regret

تقدم هذه المقالة خوارزمية BOO، وهي نهج مبتكر يجمع بين التحسين البايزي والتحسين التفاؤلي القائم على الأشجار ويحقق حداً أسياً للندم قدره O(N−N)\mathcal{O}(N^{-\sqrt{N}}) في حالة عدم وجود ضجيج للعمليات الغاوسية السلسة، متفوقة بذلك على النماذج المرجعية الحالية في كل من التجارب الاصطناعية وتجارب ضبط المعلمات الفائقة.

Hung Tran-The, Sunil Gupta, Santu Rana, Svetha Venkatesh2026-04-28
🤖 machine learning

Regret Bounds for Expected Improvement Algorithms in Gaussian Process Bandit Optimization

تحل هذه المقالة السؤال المفتوح حول تقارب "التحسين المتوقع" (Expected Improvement) في تحسين بانديت لعملية غاوسية ضوضائية عبر اقتراح متغير بحدث معياري يحقق حداً للندم قدره O(γTT)\mathcal{O}(\gamma_T\sqrt{T}) دون الحاجة إلى معرفة مسبقة بمعيار فضاء ريج (RKHS) أو معاملات الضوضاء، وعلاوة على ذلك، تقدم خوارزمية محسنة تتقارب بشكل أسرع من النظائر الموجودة.

Hung Tran-The, Sunil Gupta, Santu Rana, Svetha Venkatesh2026-04-28
📊 statistics

Improved Hardness Results for Learning Intersections of Halfspaces

تضع هذه الورقة حدوداً دنيا جديدة وأقوى لتعلم تقاطعات أنصاف الفضاءات من خلال إثبات أن تعلم حتى عدد صغير من أنصاف الفضاءات (ω(log⁡log⁡N)\omega(\log \log N)) هو أمر صعب حوسبياً في ظل افتراضات الشبكة القياسية، مع تقديم أول نتائج صعوبة غير مشروطة لعدد فوق ثابت من أنصاف الفضاءات ضمن إطار الاستعلام الإحصائي.

Stefan Tiegel2026-04-28
📊 statistics

"Noisier" Noise Contrastive Eestimation is (Almost) Maximum Likelihood

تقدم الورقة البحثية "Noisier" NCE، وهي تعديل بسيط يزيد من مقدار الضجيج اصطناعياً لمواءمة هدف NCE مع تقدير الاحتمال الأقصى (Maximum Likelihood)، مما يتيح تقارباً أسرع وتقديراً أكثر دقة لنسبة الكثافة في الإعدادات عالية الأبعاد ومتعددة الأنماط.

Peiyu Yu, Dinghuai Zhang, Hengzhi He, Xiaojian Ma, Sirui Xie, Ruiyao Miao, Yifan Lu, Yasi Zhang, Deqian Kong, Ruiqi Gao (…)2026-04-28