12113 ورقة بحثية
تقدم SAEmnesia إطار عمل للمشفّر التلقائي المتناثر الخاضع للإشراف يفرض خرائط عصبية-مفاهيمية بنسبة واحد لواحد لتحقيق مركزية الميزات، مما يتيح محواً للمفاهيم عالي الكفاءة والقابلية للتوسع والدقة في نماذج الانتشار مع تقليل البحث عن المعلمات الفائقة بشكل كبير والتفوق على الأساليب الرائدة في عدة معايير.
تقدم الورقة البحثية UniMedVL، وهو نموذج طبي موحد رائد يدمج بسلاسة بين الفهم والتوليد متعدد الوسائط ضمن بنية واحدة من خلال مسار تدريب تدريجي ومجموعة بيانات ضخمة جديدة، UniMedVL-5M، لتعزيز سير العمل الطبي المعقد.
تقدم هذه الورقة SnapViT، وهو أسلوب تقليم هيكلي لما بعد ما قبل التدريب ولا يتطلب إعادة تدريب، يستفيد من معلومات التدرج وخوارزمية تطورية لتقريب الارتباطات عبر الشبكات، مما يمكّن نماذج "Vision Transformers" المدربة مسبقاً من تحقيق استدلال مرن عبر نطاق مستمر من ميزانيات الحوسبة دون الحاجة إلى بيانات مصنفة.
تقترح الورقة البحثية طريقة GIFT، وهي طريقة دمج عبر الوسائط موجهة بإزاحة التحديق تعمل على تخفيف هلوسات نماذج الرؤية واللغة من خلال تضخيم الانتباه ديناميكيًا للمناطق البصرية البارزة واستعلامات المستخدم بناءً على تغيرات الانتباه الإيجابية، مما يقلل من مصبات الانتباه البصري ويحسن الأداء مع تكلفة حوسبية منخفضة.
تقدم هذه الورقة البحثية SS-MixNet، وهو نموذج تعلم عميق خفيف الوزن يجمع بين التلافيف ثلاثية الأبعاد ومزيجات MLP طيفية-مكانية متوازية وآلية انتباه عميقة لتحقيق دقة حالة الفن في تصنيف الصور فائقة الطيف على مجموعتي بيانات Tangdaowan وQingyun باستخدام 1% فقط من بيانات التدريب المصنفة.
تقدم هذه الورقة البحثية "المتانة الاحتمالية غير المعلمية" (NPPR)، وهي مقياس عملي يتعلم توزيعات الاضطراب المُحسّنة مباشرة من البيانات عبر نموذج الخليط الغاوسي لتوفير تقديرات مخاطر متحفظة في ظل عدم اليقين التوزيعي، مما يعالج الافتراض غير الواقعي بوجود توزيعات اضطراب ثابتة في أطر المتانة الاحتمالية القائمة.
تقدم هذه الورقة BackSplit، وهو نموذج يحسن تقسيم الآفات الطبية الحيوية الصغيرة عن طريق تقسيم الخلفية غير المتجانسة إلى فئات تشريحية دقيقة، وهي طريقة ثبت أنها تعزز استقرار الأداء والنتائج دون زيادة تكاليف الاستدلال.
تقترح هذه الورقة البحثية "مزيج الآفاق" (Mixture of Horizons - MoH)، وهي استراتيجية قابلة للتوصيل والتشغيل تعمل على إعادة ترتيب كتل الأفعال إلى مقاطع ذات آفاق متفاوتة لتحسين الاستشراف طويل المدى والدقة قصيرة المدى في آن واحد، مما يتغلب على المقايضة المتأصلة في نماذج الرؤية واللغة والأفعال (Vision-Language-Action models) ويحقق أداءً رائدًا مع قدرات استدلال ديناميكية.
تتحدى هذه الورقة الاعتقاد بأن الشبكات العصبية متعددة الطبقات (MLPs) التقليدية تعاني بطبيعتها من صعوبة في التعامل مع المحتوى عالي التردد، وذلك عبر إثبات أن انحيازها نحو الترددات المنخفضة ينبع من تدهور الرتبة المستقر أثناء التدريب، وتُظهر أن تنظيم رتبة الشبكة من خلال مُحسّنات عالية الرتبة مثل "Muon" يعزز بشكل كبير من دقة التمثيلات العصبية الضمنية عبر مجالات متنوعة.
تقدم هذه الورقة نماذج العالم المتكافئة مع التدفق (Flow Equivariant World Models)، وهو إطار عمل يستفيد من التناظرات المعتمدة على الزمن داخل ذاكرة كامنة لتمكين التنبؤ المستقر طويل الأمد في البيئات الديناميكية ذات الملاحظة الجزئية، وذلك عبر ضمان تحول وتغير الذاكرة بشكل متكافئ مع الحركة الذاتية وديناميكيات الأجسام الخارجية.