23845 ورقة بحثية
يُعد CoTinyVLA نموذجاً للرؤية واللغة والعمل (Vision-Language-Action) يقل حجمه عن مليار معلمة، وهو يحقق أداءً فائقاً من حيث المتانة على معيار LIBERO-Plus عبر الاستفيد من تقنيات الإشراف المهيكل — بما في ذلك المدخلات الزمنية ثنائية الرؤية، وتقطير سلسلة الأفكما التسلسلي الهرمي، وتعزيز إعادة الصياغة — بدلاً من زيادة حجم النموذج.
تقدم هذه الورقة أداة برمجية موحدة تدمج CESTAC للكشف عن عدم الاستقرار العددي في معاملات التعلم العميق والتحقق من صحتها ومراقبته خلال تمريرة حسابية واحدة، مما يساعد في تطوير نوى تدريب واستدلال أكثر استقراراً وكفاءة.
يُعد I2VShield إطار عمل فعال حاسبياًًا ومحافظاً على الخصوصية، يحمي نماذج تحويل الصور إلى فيديو القائمة على محولات الانتشار (Diffusion Transformers) من سوء الاستخدام عبر توظيف مولد تشويش متكيف مع النص وهجوم تعطيل الانتباه متعدد الوسائط غير المستهدف لتعطيل التماسك المكاني والزماني دون الحاجة إلى موارد وحدة معالجة رسومات عالية الأداء.
تقدم هذه الورقة تمثيلاً لسمات هيكلية متعددة المقاييس مدمجاً في إطار تعلم تطوري خالٍ من التدرج لتحقيق تعرّف بصري مستمر ومفهوم على مجموعة بيانات MNIST، بما يضاهي أو يتجاوز دقة النماذج المرجعية القائمة على إعادة التشغيل، مع الحفاظ على المعرفة السابقة والبنية القابلة للتفسير البشري دون تخزين أي بيانات سابقة.
تكشف هذه الورقة أن المتعلمين في السياق (in-context learners) للبيانات الجدولية يوجهون التنبؤات حتمًا عبر إشارات زائفة مدمجة في الميزات المركبة بدلاً من الإشارات السببية الحقيقية، وهو فشل يزداد سوءًا مع زيادة حجم السياق وقدرة النموذج التعبيرية، ولكن يمكن التخفيف منه بفعالية من خلال بناء سياق مُصنف بيئيًا وتعزيز S-swap.
تقدم هذه الورقة البحثية DAV-Det، وهو نظام كشف صوتي بصري منفصل يعمل على نمذجة الأدلة الجنائية من كل وسيط بشكل مستقل باستخدام تمثيلات بصرية متعددة التدرج وبنية صوتية زمنية-طيفية ذات بوابة، محققاً المركز الأول في تحدي IJCAI-ECAI 2026 للكشف عن المحتوى المولد بواسطة الذكاء الاصطرعي التوليدي (AIGC) الصوتي والمرئي العام عبر تحدي الافتراض القائل بأن عدم الاتساق بين الوسائط يكون دائماً موثوقاً للكشف عن التزوير.
تقدم هذه الورقة نسبة الحساسية المعيارية (NSR)، وهي أداة تشخيصية لا تعتمد على نموذج محدد وتُستخدم بعد التدريب، لتحديد الميزات السببية مقابل الميزات الزائفة في النماذج المدربة من خلال الاستفادة من استقرار الحساسية عبر التحولات البيئية الهيكلية، محققةً تحديداً دقيقاً في ظل ظروف محددة ومظهرةً دقة عالية في كل من مجموعات البيانات الاصطناعية والواقعية.
تقترح هذه الورقة استخدام أداة بتر زمني لتمكين توليد بيانات فعال وخالٍ من التسرب للبحث والاستنتاج الزمني، مما يسمح بتقطير النماذج اللغوية الكبيرة إلى قدرات تنبؤ مستقبلية فائقة دون الاعتماد على أطر عمل الوكلاء الخارجية.
تقيم هذه الدراسة بشكل منهجي المقايضات بين رتبة (rank) تقنية LoRA، والوحدات المستهدفة، والتكميم (quantization) على نموذج T5-small بـ 60 مليون معلمة لمهمة تحويل النص إلى SQL، حيث أثبتت أن الرتبة 16 تحقق دقة تقارب الضبط الدقيق الكامل مع حد أدنى من العبء الإضافي للمعلمات، بينما يتيح التكميم بنوعي INT8 وNF4 عمليات النشر في البيئات ذات الذاكرة المحدودة بأداء مماثل.
تقدم الورقة البحثية BeyondUncertainty، وهي طريقة لتوليد النصوص المعزز بالاسترجاع تستفيد من الثقة اللفظية من النماذج اللغوية لتوجيه الاستعلامات بشكل انتقائي إلى عملية الاسترجاع، مما يحقق دقة محسنة وتقليلاً في استخدام الرموز (tokens) مقارنة بالنماذج المرجعية التي تعتمد دائماً على الاسترجاع أو لا تعتمد عليه أبداً، وذلك رغم تحمل عبء إضافي طفيف ناتج عن فحص الثقة الأولي.