12113 ورقة بحثية
تقدم هذه الورقة TinyDamage، وهو إطار عمل وكيل هجين يدمج نموذج تقسيم مخصص متعدد المهام مع نموذج رؤية ولغة للتغلب على حالات فشل التمركز المكاني في تقييم أضرار المركبات دقيق التفاصيل، مما يقلل بشكل كبير من معدلات الهلوسة عبر الاستفيد من التعلم التبايني الخاضع للإشراف ومسار عمل LangGraph.
تقدم الورقة البحثية DiffeoAfford، وهو إطار عمل قائم على الأفعال يقوم تلقائياً بتوليد تسميات الانتباه البصري من الإجراءات الجراحية لتشغيل AffordView، وهو نظام تأطيم تلقائي يتوافق مع نظرات الخبراء ويقلل بشكل كبير من العبء المعرفي للجراح أثناء جراحة المناظير.
يُعد EchoCache إطار عمل للتخزين المؤقت عبر الوسائط موجهًا بالطاقة، حيث يستفيد من طاقة التردد والزمن الصوتي لإدارة التخزين المؤقت على مستوى الكوامن ديناميكيًا في توليد الفيديو المدفوع بالصوت، محققًا تسريعًا كبيرًا في الاستدلال (يصل إلى 2.46 ضعفًا) مع الحفاظ على جودة التوليد والاتساق السمعي البصري.
تقترح هذه الورقة خوارزميتين للتعلم النشط، وهما FALL وA-FALL، اللتان تدمجان مسافات فيرما المدركة للكثافة مع انتشار الملصقات التوافقي المُعاد وزنه بـ "بواسون" لتعزيز دقة وقابلية توسع تصنيف الصور فائقة الطيف شبه الموجهة.
يُعد "نطاق انتباه نصف قطر الرمز" (TRA) إطار عمل لا يتطلب تدريباً يعمل على تسريع نماذج محولات انتشار الفيديو بكفاءة من خلال الربط الديناميكي بين إنتروبيا الاستعلام ونصاف أقطار الانتباه المعتمدة على الرموز، مما يحقق تسريعاً كبيراً مع فقدان ضئيل في الجودة مع الاحتفاظ بـ 9-19% فقط من تفاعلات الانتباه.
تجادل هذه الورقة بأن الاستدلال العلمي لا يتطلب تجسيداً حسياً حركياً مستمراً، مقترحةً بدلاً من ذلك إمكانية حدوث "استدلال الهوية" من خلال التجذير التمثيلي ضمن "فضاء اصطلاحي" عبر بنية "حلقة الاستدلال" الجديدة، والتي يتم توضيحها من خلال اكتشاف نموذج متعدد الوسائط لتكافؤ رياضي بين الذاكرة الجاذبية وعلم كونيات العدسة الضعيفة وتقييمها بواسطة معيار DAB-30.
تقترح هذه الورقة طريقتين لتقريب مؤشر التشابه الهيكلي (SSIM) بدقة للصور المضغوطة القائمة على تحويل جيب التمام المقطع (DCT) عن طريق إعادة توزيع متوسط مربع الخطأ (MSE) العالمي باستخدام الإحصاءات المحلية للصورة المرجعية، مما يتيح تقييماً فعالاً وذا معنى إدراكي للجودة دون الحاجة إلى الوصول إلى بيانات متوسط مربع الخطأ المحلية.
يقدم UEmbed نموذج تضمين متعدد الوسائط موحداً يعتمد على فك التشفير فقط (decoder-only)، يقوم بتوليد كل من التمثيلات المعجمية المتفرقة والتمثيلات الكثيفة في تمريرة أمامية سببية واحدة، محققاً أداءً رائداً في المعايير المرجعية متعددة الوسائط مع تمكين التطبيقات الوكيلية الفعالة.
تقترح هذه الورقة خوارزمية تقليم تكرارية مستوحاة من الاتصال المتناثر في الدماغ البشري، والتي تستخدم مقياس أهمية قائم على النشاط العصبي لتحديد وإلغاء تنشيط الاتصالات غير المهمة، مما يحقق ضغطاً كبيراً في المعلمات مع الحفاظ على دقة مماثلة عبر مختلف بنيات الشبكات العصبية العميقة ومجموعات البيانات.
تقدم هذه الورقة مسحاً شاملاً لتقنيات توليد وكشف التزييف العميق عبر جميع أنواع الوسائط، وتستعرض تصنيفات ومجموعات بيانات جديدة، وتكشف من خلال معيار مرجعي جديد متعدد الوسائط أن أحدث أدوات الكشف المتطورة تعاني في التعميم على التزييف العميق الذي يتم إنشاؤه بواسطة مولدات غير مرئية.