13317 ورقة بحثية
تقترح هذه الورقة إطار عمل هجينًا جديدًا للتعلم العميق يدمج تحليل البيانات الطوبولوجي مع شبكة DenseNet121 لتحقيق دقة تبلغ 99.93% ومساحة تحت المنحنى (AUC) مثالية بنسبة 100% في تصنيف أربع مراحل من شدة مرض الزهايمر باستخدام بيانات رنين مغناطيسي من قاعدة بيانات OASIS.
حقق فريق HCMUS_TheFangs نتائج فوز في كلا المسارين في مسابقة NeurIPS 2025 (Mouse vs. AI) من خلال إثبات أن البنيات البسيطة والخفيفة تتفوق في المتانة البصرية، بينما تتفوق النماذج العميقة ذات السعة العالية في المحاذاة العصبية، مما يكشف أن الأداء الأمثل يعتمد على مطابقة التعقيد البنيوي مع أهداف مهام محددة بدلاً من تعظيم حجم النموذج.
تقترح هذه الورقة UltraBreak، وهو إطار عمل جديد يحقق هجمات كسر الحماية (jailbreak) شاملة وقابلة للنقل على نماذج الرؤية واللغة من خلال تقييد الأنماط العدائية في الفضاء البصري وتحسين الأهداف القائمة على الدلالات في فضاء التضمين النصي للتغلب على ضعف تعميم الطرق الحالية القائمة على التدرج.
تستعرض هذه المراجعة المصغرة تطور عملية تحديد معنى الكلمة بصرياً (VWSD) من دمج الوسائط المتعددة المبكر إلى أطر عمل "CLIP" والانتشار (diffusion) والنماذج اللغوية الكبيرة (LLM) الحديثة، مع تسليط الضوء على المكاسب الكبيرة في الأداء مع تحديد التحديات المستمرة في السياق، والتحيز، والتقييم متعدد اللغات.
تقدم هذه الورقة البحثية SimpleGPT، وهو متغير من نموذج Transformer يستخدم استراتيجية SimpleNorm مبتكرة تعمل على تثبيت مقاييس التنشيط وتقليل النط الطيفي لـ Hessian، مما يتيح معدلات تعلم أكبر بكثير ويحقق أداءً واستقراراً فائقين عبر مختلف أحجام النماذج مقارنة بالنماذج المرجعية الراسخة مثل LLaMA2.
تقترح هذه الورقة البحثية إطار عمل SSA، وهو إطار تعلم عميق شامل لدمج الصور متعددة الأطياف وفائقة الأطياف يستخدم "نواة ماتريوشكا" (Matryoshka Kernel) والتمثيل العصبي الضمني لتحقيق عدم الارتباط بالنطاق الطيفي ونطاق الدمج، مما يمكن نموذجاً واحداً من التعميم بفعالية عبر أجهزة استشعار متنوعة ودقات مكانية عشوائية.
يُعد FreeFuse إطار عمل لا يتطلب تدريباً يُمكّن من توليد صور عالية الجودة متعددة المواضيع من النصوص عبر تنفيذ التوجيه التكيفي على مستوى الرموز (Adaptive Token-Level Routing) أثناء الاستدلال، والذي يستخدم آلية FreeFuseAttn مبتكرة لتعيين بقايا LoRA الخاصة بكل موضوع ديناميكياً وبدقة إلى مناطقها المكانية المقابلة دون الحاجة إلى أدوات تقسيم خارجية أو إعادة تدريب النموذج.
تقدم هذه الورقة أداة Prompting4Debugging (P4D)، وهي أداة اختبار اختراق مؤتمتة تكشف عن ثغرات أمنية جسيمة في آليات السلامة لنماذج الانتشار من نوع نص-إلى-صورة عبر إثبات أن العديد من المطالبات التي كانت تُعتبر سابقاً "آمنة" يمكن التلاعب بها لتجاوز الحمايات الحالية، مما يتحدى موثوقية معايير التقييم الحالية.
لمعالجة تحدي تقسيم الأجسام الطبية الصغيرة التي تشغل أقل من 1% من مساحات الصور وتعاني من فقدان المعلومات في الشبكات العصبية التلافيفية العميقة، تقترح هذه الورقة SvANet، وهي شبكة مبتكرة تدمج الانتباه متغير المقياس، والتوجيه عبر المقاييس، وانتباه مونت كارلو، ومحولات الرؤية لتحقيق أداء تقسيم فائق عبر سبع مجموعات بيانات طبية متنوعة.
تقترح هذه الورقة CLIPF، وهي استراتيجية لإخفاء النصوص تعتمد على تكرار الكلمات للتدريب المسبق لنماذج الرؤية واللغة، والتي تتفوق على الأساليب الحالية مثل الإخفاء القائم على بناء الجملة، خاصة عندما تكون بيانات التدريب محدودة، بينما تُظهر أيضاً أن الاستراتيجيات الأخرى يمكن أن تتجاوز الإخفاء القائم على بناء الجملة مع توفر عدد كافٍ من دورات التدريب.