12113 ورقة بحثية
يُعد StepX-Edge نموذجاً لغوياً بصرياً يعمل على الأجهزة بـ 0.9 مليار معلمة، ويحقق فهماً فائقاً لواجهات المستخدم (UI) ونشراً فعالاً في الوقت الفعلي على شرائح الهواتف المحمولة من خلال تصميم مشترك مبتكر يجمع بين بنية مدركة لواجهات المستخدم، ومنهج تدريب تآزري مكون من خمس مراحل، واستراتيجية تكميم عالية الدقة.
تقدم الورقة البحثية نموذج scMIR، وهو نموذج تأسيسي للرؤية واللغة تم تدريبه مسبقاً على أكثر من 200,000 زوج من الصور والنصوص، يجمع بشكل تآزري بين إعادة بناء الصور ذاتي الإشراف والمحاذاة عبر الوسائط الموجهة بالنص لتوليد تمثيلات موحدة لصور المجهر أحادية الخلية، مما يجعله يتفوق على الأساليب الحالية في التعميم والدقة عبر مهام التحليل المظهري المتنوعة دون الحاجة إلى ضبط دقيق خاص بالمهمة.
تقدم هذه الورقة البحثية Opt-RetinaSeg، وهي بنية محسنة للتجزئة الدلالية مشتقة من RetinaNet، تستخدم عموداً فقرياً خفيف الوزن، وهيكلاً متسلسلاً (FPN) مبسطاً، ومسار تحسين ثلاثي المراحل لتحقيق أداء عالي الدقة وفي الوقت الفعلي على المنصات السياراتية المدمجة ذات الموارد المحدودة.
تعالج هذه الورقة الفجوة في سلامة فيديوهات المحتوى المولد بواسطة الذكاء الاصطنا-التوليدي (AIGC) الخاصة بالأطفال من خلال تقديم معيار CAVSR الذي يتضمن تصنيفاً هرمياً للمخاطر، وإطار عمل QVRS-E الذي يستفيد من الاستدلال متعدد الوكلاء المعزز بالمعرفة لتحديد المخاطر الدقيقة وغير الملائمة نمائياً في فيديوهات الـ AIGC بفعالية.
تقترح هذه الورقة طريقة لتقليم الرموز المرئية تعزز من متانة النماذج اللغوية الكبيرة متعددة الوسائط ضد هجمات الاختراق والهلوسة، وذلك من خلال تحديد وإزالة الرموز المرئية غير المتوافقة وخارج نطاق التوزيع، مع تقليل تكاليف الاستدلال في الوقت ذاته.
تقدم الورقة البحثية DAMamba-UNet3D، وهو نموذج هجين من نوع U-Net ثلاثي الأبعاد موفر للمعلمات لتقسيم الصور الطبية ثلاثية الأبعاد، يدمج آلية مسح تكيفي ديناميكي (DAS) مبتكرةة لتحقيق أداء تنافسي على مجموعة بيانات BraTS 2020 مع تقليل التكاليف الحسابية بشكل كبير مقارنة بالنماذج القائمة على Mamba.
تُقدم الورقة البحثية -Bridge، وهو جسر انتشار ذو معلمات مسبقة (look-parametric diffusion bridge) ينمذج ضوضاء "غاما" الضربيه عبر هوامش دقيقة لتمكين شبكة واحدة من إجراء عملية إزالة التبقيع لصور الرادار ذي الفتحة الاصطناعية (SAR) بشكل غير معتمد على المستشعر وبقدرة صفرية (zero-shot) عبر أعداد مسبقة (look numbers) متفاوتة دون الحاجة إلى بيانات مرجعية نظيفة أو ضبط دقيق خاص بمستشعر معين.
يُعد CausalGate إطار عمل موجَّهًا بالتدخل، يقوم باستخلاص درجات الأهمية السببية المستمدة من قياس التأثير الدلالي لتصفير الطبقات الفرعية للمحول (transformer) وتحويلها إلى بوابات قياسية ثابتة لتمكين تقليم الوحدات بكفاءة وبدون عبء إضافي، مما يجعله يتفوق على أساليب الاستدلال التكيفي القائمة على الارتباط الحالية.
تقدم هذه الورقة البحثية وتتحقق من فئة جديدة من الأمثلة التنافسية حيث تتسبب الاضطرابات الكبيرة والمرئية في جعل البشر يخطئون في التعرف على الصور بينما تحتفظ النماذج بتنبؤات صحيحة، مما يثبت أن كواشف وخوارزميات الدفاع القياسية الخاصة بالبيانات خارج التوزيع (OOD) غير فعالة إلى حد كبير ضد هذه الفجوة بين الإنسان والنموذج.
تقترح هذه الورقة إطار عمل لنماذج الرؤية واللغة الكبيرة الموجهة بالتصنيف، والذي يفصل بين تصنيف نوع المستند واستخراج المحتوى ويستفيد من التعلم في السياق لتحقيق استخراج معلومات مرئي قوي وعالي الدقة دون تدريب مسبق عبر تخطيطات مستندات متنوعة وبأقل قدر من الإشراف.