12113 ورقة بحثية
تقدم هذه الورقة البحثية "دلالات المهام المرئية" (VTS) للكشف عن فجوة أداء كبيرة في النماذج متعددة الوسائط عندما تُدمج التعليمات كبكسلات بدلاً من نصوص، وتقترح طريقة لربط منطقة التلقين (prompt-region grounding) تسد بفعالية فجوة القناة الدلالية هذه دون الحاجة إلى التعرف الضوئي على الحروف (OCR) أو بيانات وصف المناطق أثناء الاستدلال.
تقترح هذه الورقة إطار عمل تقييمي قابل للتوسع لتقييم وتشخيص الفشل المستمر لنماذج تحويل النص إلى صورة في تفسير التشبيهات بشكل صحيح، مما يكشف عن فجوة بين فهم اللغة المجازية والتجسيد البصري من خلال مجموعات بيانات محكومة، ومقاييس كشف تلقائية، وتحليل لطبقات الترميز.
تقدم هذه الورقة FUSEP، وهو أول مجموعة بيانات مرجعية متعددة المراكز متاحة للجمهور وتتكون من 4,017 صورة بالموجات فوق الصوتية لأجنة في مراحل الحمل المبكرة مع 45,820 تعليقاً خبيراً عبر 14 بنية تشريحية، صُممت لتعزيز أبحاث التشخيص الآلي المساعد وتكيف النطاق في فحص الأجنة.
تقدم هذه الورقة أول دراسة مقارنة تقيم استراتيجيات الضبط الدقيق الكامل، والضبط الدقيق الخاص بالمشفر، وتعلم التلقين، وتكيف "LoRA" لنماذج الرؤية واللغة في التعلم الاتحادي على بيانات الاستشعار عن بعد، مع تحليل مقايضاتها بين القدرة على التعميم في ظل ظروف البيانات غير المتطابقة توزيعياً (non-IID)، وحجم عبء الاتصالات، والتعقيد الحسابي لتقديم إرشادات عملية لاختيار الاستراتيجية.
تقترح هذه الورقة طريقة "قص الصور المدمجة بالانتباه العالمي" (GAFIC)، وهي طريقة تدمج وحدة "دمج الميزات الموجهة بالانتباه" ومقيّم "القص المتوافق عالمياً" للتغلب على قيود النهج الحالية من خلال التقاط العلاقات العالمية بين مكونات الصورة، مما يحقق دقة واستقراراً فائقين في اختيار عمليات القص المفضلة جمالياً دون تعديل سلامة البكسلات.
تقدم الورقة البحثية SlotNarrative، وهي واجهة لنموذج لغوي للفيديو تتسم بكفاءة الرموز (tokens)، تقوم بتنظيم محتوى الفيديو في سرديات كائنات مستمرة باستخدام رموز هوية وحالة مدمجة، محققةً توازناً ملائماً بين الدقة وعدد الرموز من خلال فصل تجميع الكائنات عن الضغط لكل إطار.
تكشف هذه الدراسة أن نماذج الرؤية واللغة تظهر عدم استقرار تشخيصي وانحيازاً مفرطاً كبيراً تحت تأثير الاضطرابات البصرية والنصية في تحليل رنين الدماغ المغناطيسي، مما يثبت أن مقاييس الدقة القياسية تفشل في رصد إخفاقات الموثوقية الحرجة اللازمة للنشر السريري الآمن.
يُعد STEP-OPD إطار عمل جديد للتقطير في السياسة نفسها (on-policy distillation) لنماذج الانتشار، حيث يعزز تعلم الطالب من خلال تمديد أهداف المخرجات لتتجاوز المعلم عبر استقراء السرعة والمواءمة الصريحة لتطور التمثيلات الداخلية، مما يُمكّن الطالب الموحد من التفوق على المعلمين ذوي المهام الفردية في مقاييس التوافق التركيبي، وتصيير النصوص، وتفضيلات البشر.
تُدقق هذه الورقة إطار تقييم القيادة الدفاعية NAVSIM v2.2 لتكشف أن عدم الاستقرار العددي في عمليات التدحرج المشتركة، والذي يتفاقم بسبب التسامح المشروط بالمرجع، يتسبب في تفوق الوكلاء "العميان" بشكل غير صحيح على خطوط الأساس لإعادة العرض البشري، مما يستدعي دعوة لبروتوكولات تدقيق أكثر صرامة تتضمن الإفصاح عن أساس الدرجة واختبار الاستقرار.
تقدم الورقة البحثية إطار عمل TD-V2A، الذي يعزز بشكل كبير جودة توليد الفيديو إلى صوت عبر الاستفادة من الفروق الزمنية كتمثيل بصري رئيسي وتوظيف استراتيجية تعلم مستمر هرمي مع توجيه مُخمد، كل ذلك مع تطلب حد أدنى من التعديلات المعمارية مقارنة بالطرق الحالية.