12113 ورقة بحثية
تقترح هذه الورقة إطاراً علاقاتياً ثنائي المستوى يجمع بين التعلم الضمني بين الرقع عبر مشفر تلقائي مقنع وبين النمذجة الصريحة القائمة على الرسوم البيانية لتحسين أداء تشخيص آفات الجلد بشكل كبير في اختبارات ISIC، محققةً دقة متوازنة بلغت 79.27% على مجموعة بيانات ISIC-2018.
تقدم هذه الورقة البحثية UniME-R1، وهو إطار عمل موحد للاسترجاع متعدد الوسائط يستفيد من السلبيات الصعبة لتدريب نموذج مستشار على توليد مبررات "سلسلة أفكار متمحورة حول الاسترجاع" (RC-CoT) بناءً على حالات فشل الاسترجاع الأولية، مما يؤدي إلى تحسين تمثيلات الاستعلام بشكل كبير وتطوير أداء الاسترجاع مقارنة بالنماذج المرجعية الحالية.
تقدم هذه الورقة Bar-JEPA، وهو إطار عمل للتعلم الذاتي يستخدم بنية تنبؤية ذات تضمين مشترك لاستخراج سمات كامنة غنية دلالياً من المخططات البيانية الشريطية، مما يمكن وحدة فك تشفير بسيطة من استعادة القيم العددية بدقة والتغلب على ندرة بيانات التدريب المصنفة.
تقترح هذه الورقة مساراً وكيلياً قائماً على الفيزياء يستفيد من النماذج التوليدية التجارية لإزالة الظلال مع استخدام مسبقات معرفية متخصصة في المجال لتقييد الهلوسة واختيار التعديلات المثلى، محققةً أداءً هو الأفضل في فئته على معيار ShadowRemovalRefine.
تقدم هذه الورقة Dense-Cast، وهو نموذج تجميعي للتعلم العميق خفيف الوزن يجمع بين DenseNet، والاتصالات المتبقية (residual connections)، ومشفرات المحولات (transformer encoders) لتحقيق تنبؤ دقيق لهطول الأمطار لكل نصف ساعة لمنطقة شمال شرق الهند باستخدام بيانات GPM IMERG.
تقترح هذه الورقة تعزيز إعادة بناء "Gaussian Splatting" ثلاثي الأبعاد، لا سيما للأجسام ذات الانعكاسات المرآتية، من خلال دمج الأولويات الهندسية متعددة الرؤى (خرائط النتوءات والعمق) من نماذج مثل VGGT، والاستفادة من خرائط الثقة المتأصلة فيها لوزن التنبؤات بفعالية والتفوق على البدائل أحادية الرؤية.
تقترح الورقة البحثية إطار عمل SURE، وهو إطار عمل موحد في الفضاء الكامن يعزز مرحلة ما بعد التدريب لنماذج الانتشار عبر تعلم توزيعات المكافأة مع تقديرات عدم يقين متكيفة مع العينات لتوفير تغذية راجعة كثيفة وموثوقة للتحسين دون الحاجة إلى فك التشفير في فضاء البكسل.
تقدم هذه الورقة إطار عمل يعتمد على التصوير المقطعي المحوسب لتوليد أزواج من صور العمق وصور الأشعة السينية الاصطناعية لتدريب نماذج الذكاء الاصطناعي لتقييم وضعية المريض آلياً، مما يثبت أن التدريب المسبق على 3,077 عينة اصطناعية لمفصل الكاحل العلوي يحسن دقة تقييم الوضعية في الواقع بنسبة تصل إلى 11 نقطة مئوية.
تقارن هذه الورقة بين نهج مستوحى من البشر وقابل للتفسير يعتمد على التجميع الإدراكي وبين النماذج التأسيسية المضبوطة بدقة للتحليل التركيبي، لتجد أنه في حين تحقق الأخيرة أداءً فائقاً مع توفر البيانات الكافية، فإن النهج الأول يقدم نتائج تنافسية مع قدرة أفضل على التفسير والتعميم عندما تكون المشفرات مجمدة.
تُثبت هذه الورقة أنه في حين تفشل نماذج الرؤية واللغة الحالية غالباً كأدوات تحكم أحادية متكاملة في وضع الصفر (zero-shot) بسبب الافتقار إلى التجذر البصري الحقيقي، إلا أنها يمكن أن تعمل بفعالية كمساعدين محددين وانتقائيين للمخاطر عند تعزيزها بحراس نمطيين يعتمدون على إجماع التماثل للتحقق من الأدلة البصرية وفرض التكافؤ.