23087 ورقة بحثية
تقيم هذه الورقة مدى فعالية نماذج الرؤية واللغة في أتمتة استخراج المعرفة التشخيصية المهيكلة من أدلة استكشاف الأخطاء وإصلاحها الصناعية، مع مقارنة التلقين القياسي باستراتيجيات الإدراك المعتمدة على التخطيط لتحديد المقايضات بين الحساسية المكانية والمتانة الدلالية.
تقترح الورقة البحثية TNC-Defense، وهو إطار عمل من الصندوق الرمادي يستفيد من ظاهرة اتساق الضوضاء الزمنية (Temporal Noise Consistency) للكشف عن الأبواب الخلفية في نماذج الانتشار دون الوصول إلى أوزان النموذج، ومن ثم تطهيرها عبر تصحيح خطوات زمنية شاذة محددة، محققةً دقة كشف عالية وإبطالاً للمحفزات مع أدنى تأثير على جودة التوليد.
تقدم الورقة البحثية ReasonEdit، وهو أول محرر لنماذج الرؤية واللغة يستفيد من تفسيرات الاستدلال البشري المخزنة في كتاب رموز ويتم استرجاعها عبر طريقة تضمين متعددة الوسائط متوازنة طوبولوجياً لتحقيق أداء رائد في مهام التحرير كثيفة الاستدلال.
تقدم الورقة البحثية إطار عمل FOCUS، وهو إطار عمل مدفوع بنماذج تأسيسية يعمل على أتمتة سير عمل التشخيص الشامل للتصوير المقطعي للتماسك البصري (OCT) ثلاثي الأبعاد للشبكية من خلال دمج تقييم الجودة، وكشف الاعتلالات، وتصنيف الأمراض المتعددة في نظام موحد يحقق دقة وكفاءة بمستوى الخبراء عبر مختلف الإعدادات السريرية.
تقدم الورقة البحثية MagNet، وهي دالة موجية تباينية لشبكة عصبية ذات انتباه ذاتي، والتي نجحت من خلال تقليل الطاقة القائم على المبادئ الأولية دون بيانات تدريب خارجية، في توحيد وصف سوائل هول الكمية الكسرية والبلورات الإلكترونية لتحديد ظروف تبلورها تحت تأثير خلط مستويات لانداو القوي.
تقترح الورقة البحثية إطار عمل VSAL، وهو إطار عمل يعتمد على الرؤية الحاسوبية لتعزيز اكتشاف خصائص الرسوم البيانية من خلال توظيف مولد تخطيط تكيفي لإنشاء تصورات مرئية معلوماتية مصممة ديناميكيًا لتناسب حالات الرسوم البيانية الفردية، مما يؤدي بالتالي إلى التفوق على الأساليب الحالية التي تعتمد على تخطيطات ثابتة.
تقدم هذه الورقة طريقة استيفاء قيود قائمة على الإسقاط باستخدام خوارزمية "انعكاس-انعكاس-استرخاء" لتدريب الشبكات العصبية بقيم وأوزان بولية (Boolean) تقتصر بدقة على ، مما يتيح اكتشاف شبكات بوابات منطقية متفرقة وقابلة للتفسير تتفوق على الأساليب القياسية القائمة على التدرج في المهام المنفصلة.
تقدم هذه الورقة طريقة تنقيح ما بعد التوليد غير مرتبطة بنوع المولد، تعمل على تحسين فائدة الصور الاصطناعية للمهام اللاحقة من خلال تقسيم الفئات الحقيقية إلى مجموعات فرعية متجانسة وغير متجانسة لاختيار مجموعة فرعية متنوعة وعالية الدقة تضاد انحياز النمط النموذجي للمولدات الحديثة.
يُعد CacheSpec إطار عمل لتحسين الاستدلال يستفيد من النماذج الصغيرة لإدارة مخازن البرامج القابلة لإعادة الاستخدام وتنفيذ مهام مساعدة خفيفة الوزن مثل استخراج المتغيرات والصياغة التخمينية، مما يقلل زمن الاستجابة بشكل كبير ويحسن معدل الإنتاجية للنماذج اللغوية الكبيرة مع الحفاظ على جودة المهام.
يُعد CMI-Mem مدير ذاكرة للتعلم التعزيزي خفيف الوزن يعزز القدرة على التعميم وكفاءة التدريب من خلال الجمع بين مكافآت أداء المهام الخارجية وإشارة المعلومات المتبادلة الشرطية الجوهرية لتقييم صلة الذاكرة دون الاعتماد على توزيعات استعلام ثابتة.