23845 ورقة بحثية
تقدم هذه الورقة مراجعة شاملة لطرق التعلم الخاضع للإشراف الذاتي التمييزي في الرؤية الحاسوبية، حيث تصنفها بشكل منهجي إلى خمسة نهج رئيسية، وتحلل آلياتها وأداءها عبر المعايير القياسية، وتناقش الأسس النظرية، والتحديات العملية، واتجاهات البحث المستقبلية.
تقدم الورقة البحثية MEDIC، وهو إطار تقييم شامل يتجاوز المعايسات الثابتة المشبعة لتقييم النماذج اللغوية الكبيرة السريرية عبر خمسة أبعاد، مما يكشف عن فجوات حرجة بين استرجاع المعرفة والتنفيذ التشغيلي مع إثبات ضرورة نهج المحفظة المتنوع من أجل نشر النماذج بشكل آمن وفعال.
تقترح هذه الورقة استراتيجية تعزيز مزدوجة لتقطير المعرفة تعمل على تعزيز تعلم الميزات الثابتة في كل من نموذجي المعلم والطالب، مما يؤدي إلى تمثيلات قوية وأداء تنافسي على مجموعة بيانات CIFAR-100.
تقدم هذه الورقة طريقة للتعريف الصحيح لتماثلات التناظر الناشئة عن الأجسام غير المتمايزة ضمن الأنواع المعقدة، وكسرها، من خلال تنفيذها عبر "الأنواع غير المسماة" في لغة النمذجة عالية المستوى إيسنس (Essence).
تقترح الورقة البحثية إطار عمل FedEFC، وهو إطار تعلم اتحادي مبتكر يجمع بين الإيقاف المسبق الديناميكي وآلية تصحيح خسارة مخصصة للتخفيف بفعالية من تأثير الملصقات الضوضائية في بيئات البيانات غير المتجانسة، مدعوماً بتحليل نظري ونتائج تجريبية تثبت تحسينات كبيرة في الأداء مقارنة بالطرق الحالية.
تقدم هذه الورقة نموذجاً حوسبياً يوضح أن التعاون الأمثل بين الإنسان والذكاء الاصطناعي يعتمد على بنية المهام وأنظمة الذاكرة، كاشفةً أن الأداء لا يتم تعظيمه عبر نهج "الذكاء الاصطناوي أولاً" العالمي، بل من خلال تسلسل الوكلاء استراتيجياً — وتحديداً بجعل الذكاء الاصطناعي عديم القياس (scale-free) يتبع البشر ذوي الأداء العالي أو باستخدام البحث العشوائي لإنقاذ المسارات التي بدأها بشر ذوو أداء ضعيف.
تقدم هذه الورقة "AI LEGO"، وهو نموذج أولي قائم على الويب يستفيد من نظرية الكائن الحدودي لتوفير الدعم للتعاون عابر الوظائف في المراحل المبكرة من تصميم الذكاء الاصطناعي المسؤول، مما يمكّن الممارسين التقنيين وغير التقنيين من تحديد ومعالجة الأضرار المحتملة بشكل أكثر فعالية من خلال كتل تفاعلية ومحاكاة الشخصيات المدفوعة بالنماذج اللغوية الكبيرة.
تقدم هذه الورقة البحثية "محللات إيكول العصبية المتكافئة" (Equivariant Neural Eikonal Solvers)، وهو إطار عمل مبتكر يجمع بين الحقول العصبية المتكافئة والشبكات العصبية المستنيرة بالفيزياء للتنبؤ بكفاءة بأوقات السفر في الفضاءات المتجانسة التعسفية، وذلك عبر الاستفادة من عمود فقري مشترك مشروط بسحب النقاط الكامنة لتعزيز التجذر الهندسي، والقابلية للتوسع، وقابلية توجيه الحلول.
تقدم الورقة البحثية Cluster Contrast (CueCo)، وهي طريقة جديدة لتعلم التمثيل البصري غير الخاضع للإشراف تجمع بشكل تآزري بين أهداف التعلم التبايني والتجميع لتشتيت الميزات غير المتشابهة ومحاذاة الميزات المتشابهة في آن واحد، محققةً أداءً هو الأفضل في فئته على معايير CIFAR وImageNet.
تقترح هذه الورقة نموذجاً هجيناً من التلافيف والمحولات (convolution-transformer) مدركاً للخصائص الديموغرافية مع قناع بيانات وصفية تدريجي لتحسين التعرف الدقيق على أمراض معصم الأطفال من خلال التمييز الفعال بين التباينات النمائية الطبيعية والتشوهات الحقيقية باستخدام عمر المريض وجنسه.