28208 ورقة بحثية
تقدم هذه الورقة NASH، وهو إطار عمل جديد لاختيار البيانات يقوم بتفكيك دالات المنفعة المستهدفة إلى مكونات غنية بمعلومات "شابلي" وتجميعها بشكل غير خطي لاختيار مجموعات فرعية من بيانات التدريب عالية الجودة باستمرار وكفاءة، متجاوزاً بذلك قيود طرق "داتا شابلي" القياسية التي غالباً ما لا تؤدي أداءً أفضل من الاختيار العشوائي.
تقدم هذه الورقة GuardVLA، وهو أول إطار عمل قائم على الباب الخلفي للتحقق من ملكية نماذج الرؤية واللغة والعمل من خلال تضمين علامات مائية خفية في البيانات المرئية المتجسدة واستخدام آلية التبديل والكشف لضمان التحقق الموثوق دون المساس بأداء المهام أو قدرة النموذج على التكيف.
تقدم هذه الدراسة إطار العمل CT-IDP، وهو إطار عمل قابل للتفسير يستفيد من أكثر من 900 نمط ظاهري كمي مستمد من التجزئة من صور الأشعة المقطعية للبطن لتحقيق أداء فائق في تصنيف الأمراض مقارنة بنموذج "محول الرؤية" (vision-transformer) المرجعي عبر مجموعات بيانات متعددة من مؤسسات مختلفة.
تقدم هذه الورقة STEMO-Bench، وهو معيار مصمم لتقييم المراقبة المكانية والزمانية في نماذج اللغة الكبيرة للفيديو بصرامة من خلال تفكيك الاستعلامات إلى أسئلة فرعية، وتقترح STEMO-Track، وهو إطار عمل متمحور حول الكائنات يقلل بشكل كبير من الهلوسة ويحسن اتساق الاستدلال من خلال بناء المسار الصريح والتجميع الزمني.
تقترح هذه الورقة إطار عمل للتعلم العميق من طرف إلى طرف لإعادة بناء نماذج التصميم بمساعدة الحاسوب (CAD) من السحب النقطية، والذي يستخدم استراتيجية تجزئة بالبث (extrusion segmentation) مبتكرة لتفكيك الأشكال إلى مكونات جزئية، مما يعزز تنوع البيانات ويحسن أداء النموذج وقدرته على التعميم وإعادة البناء.
تقترح هذه الورقة "الارتباط التبايني المتوافق مع السياق" (Context-Aligned Contrastive Regression)، وهو إطار عمل مبتكر يجمع بين تجميع انحدار ريدج (Ridge regression ensembling) والتعلم التبايني عبر الرؤى والترتيبي لتعزيز التنبؤ بالصعوبة المعجمية من خلال تحسين المحاذاة عبر اللغات، واستيعاب الهياكل الترتيبية، والتخفيف من الانحيازات المنهجية للنماذج.
تقدم هذه الورقة البحثية \texttt{AB-SID-iVAR}، وهي طريقة تعلم نشط قائمة على العمليات الغاوسية تتعلم بفعالية الدوال المجهولة تحت توزيعات بولتزمان ذاتية الاستحثاث من خلال تقريب الهدف المستعصي دون تقدير دالة التجزئة، مما يحقق خطأً تنبؤياً يتلاشى ويتفوق على النهج الحالية في تطبيقات مثل نمذجة سطح طاقة الجهد واكتشاف الأدوية.
تقترح هذه الورقة إطار عمل DAPE، وهو إطار عمل مبتكر يعمل على تحسين النماذج اللغوية البصرية الفعالة من خلال تقديم آلية محاذاة ديناميكية غير موحدة ووحدة تعزيز تفاصيل تدريجية لمعالجة التفاوت في كثافة المعلومات وتقليل العبء الحسابي مع تعزيز دقة المهام اللاحقة.
تقدم هذه الورقة FragileFlow، وهو منظم إضافي (plug-in regularizer) يعمل على صياغة والتحكم في أخطاء التنبؤ "الصحيحة ولكن الهشة" عبر تحليل طيفي مدرك للهامش (margin-aware spectral analysis) لتحسين متانة الحالة الأسوأ (worst-class robustness) في النماذج التأسيسية مع الحفاظ على دقة البيانات النظيفة.
تكشف هذه الورقة أن النماذج اللغوية الكبيرة ذات التكميم المفرط تعاني من تدهور منهجي في السلاسة يؤدي إلى رداءة جودة التوليد، وتقترح مبدأً حافظاً للسلاسة يحقق مكاسب في الأداء تتجاوز مجرد التحسينات في الدقة العددية.