12113 ورقة بحثية
تقدم هذه الورقة Gazette، وهو إطار عمل مبتكر يسخر النماذج اللغوية الكبيرة متعددة الوسائط ونصوص "التفكير بصوت عالٍ" الاصطناعية لفك تشفير مسارات حركة العين البشرية إلى أوصاف لغوية طبيعية وحرة للأهداف، متجاوزاً بذلك فك التشفير الفئوي التقليدي لالتقاط الفروق الدقيقة المفتوحة للنوايا البشرية.
تقدم هذه الورقة أول إطار عمل قائم على نماذج الرؤية واللغة للكشف عن هجمات تزييف نظام الملاحة العالمي (GNSS) في المركبات ذاتية القيادة من خلال دمج البيانات المرئية وبيانات الاستشعار عبر عملية ضبط دقيق مكونة من ثلاث مراحل، محققةً درجات F1 تتراوح بين 94-95% على مجموعة بيانات جديدة من الواقع مع تقليل العبء الحسابي بشكل كبير عبر سياسة استدلال تكيفية.
تقترح هذه الورقة البحثية نموذج MSFT، وهو شبكة تعلم عميق أحادية المرحلة وخاضعة للإشراف تدمج الانتباه متعدد المقاييس مع دمج سعة تحويل فوريه لتعزيز تفاصيل الأنسجة والسياق العالمي بفعالية في الصور ذات الإضاءة المنخفضة، محققةً أداءً هو الأفضل في فئته عبر مجموعات بيانات مرجعية متعددة.
تُثبت هذه الورقة أنه بالنسبة لنماذج الرؤية واللغة التي تعمل ضمن ميزانية ذاكرة ثابتة، فإن اختيار نموذج مكمّم أكبر حجماً على نموذج أصغر بدقة كاملة هو الخيار الأمثل لأن الحجم يحسن بشكل كبير من الكشف عن عدم اليقين الداخلي بينما يحافظ التكميم على الدقة، رغم تدهور إشارات الثقة اللفظية.
تقدم هذه الورقة نموذج التعلم العميق MORDEN، المدعوم بمجموعة بيانات MHAS المشروحة حديثاً وتقنيات ما بعد المعالجة مثل DenseCRF وDBSCAN، لتوليد مجموعة بيانات AHAS عالية الجودة وتحقيق أداء رائد في الكشف الآلي عن الخيوط الشمسية.
تُثبت هذه الورقة أن استبدال مخرجات الصناديق المحيطة القائمة على الإحداثيات بواجهة نصية تعتمد على "الاقتباس والاسترجاع" يقلل بشكل كبير من هلوسة الإسناد ويحسن استدعاء الأدلة في فهم المستندات المرئية، مع تمكين التدريب الفعال أيضاً دون الحاجة إلى تسميات مكلفة على مستوى المنطقة.
تقدم الورقة البحثية ModernMOE (MMOE)، وهي بنية محوّلة انتشار حديثة (modernized diffusion transformer architecture) تطوع مبادئ توسيع النماذج اللغوية الكبيرة (LLM) الفعالة — مثل الخبراء الموجهين (routed experts)، والخبراء المشتركين خفيفي الوزن (shared lightweight experts)، والتوجيه المتبقي (residual routing) — لتحقيق تقارب أسرع وتوازن فائق بين الجودة والتكلفة في توليد المحتوى الناتج عن الذكاء الاصطناًعي التوليدي (AIGC) مقارنة بالنماذج الكثيفة والأساسية المتفرقة التقليدية، وكل ذلك ضمن ميزانية تدريب متاحة على جهاز واحد.
تقدم هذه الورقة إطار عمل للتعلم المشترك متعدد الوسائط مصمم للتعامل مع فقدان أي وسائط عشوائية في مهام التصنيف من خلال إعطاء الأولوية للتعاون بين الوسائط على الدمج، مقدمةً نهجين متكاملين يظهران مكاسب ملحوظة في المتانة عبر درجات متفاوتة من غياب الوسائط.
تحدد هذه الورقة نمط فشل يُسمى "عدم التماثل في الفرع السالب" (Negative Branch Asymmetry) في عملية تقطير الانتشار داخل السياسة (on-policy diffusion distillation) تحت توجيه خالي من المصنف (classifier-free guidance)، حيث يتسبب مطابقة السرعة الساذجة في أخطاء فرعية متضادة، وتقترح "مطابقة الاتجاه الإيجابي" (Positive-Direction Matching) كهدف مدرك للفرع لتمكين نقل المعرفة القوي.
تقدم هذه الورقة البحثية نموذج TDiR، وهو نموذج انتشار قائم على المحولات (transformer) يتفوق على 18 تقنية من أحدث التقنيات في خمس معايلات في مجالات تحسين الصور تحت الماء، وإزالة الضجيج، وإزالة المطر، مما يعمل بفعالية على استعادة جودة الصور المتدهورة للمهام اللاحقة.