12113 ورقة بحثية
تُجري هذه الورقة تقييماً مقارناً لمختلف بنيات التعلم العميق الهندسي لتقييم فعاليتها في تعلم التمثيلات الكامنة من تقنية "Gaussian Splatting" ثلاثية الأبعاد لتصنيف المشاهد، مع تسليط الضوء على تأثير الخيارات البنيوية والسمات الخاصة بـ "Gaussian" على جودة التمثيل.
تقدم هذه الورقة ViewSuite، وهو معيار ثلاثي الأبعاد يكشف أن نماذج الرؤية واللغة تواجه صعوبة في تركيب تحويلات (الرؤية-الإجراء) للتخطيط متعدد الخطوات، وتقترح إطار عمل للاستكشاف الذاتي التكراري مع تقطير الرسم البياني للرؤية، مما يعزز أداء التخطيط بشكل كبير من خلال التغلب على المكافآت الشحيحة وتجاوز النماذج الرائدة مثل GPT-4o.
يُعد ReactBench معياراً جديداً مدفوعاً بالأسباب، يقوم بتقييم الهلوسة متعددة الوسائط في النماذج اللغوية الكبيرة بشكل منهجي من خلال أربع مهام تنافسية مستهدفة واستخدام تسلسل الأفكر (Chain-of-Thought) لتشخيص آليات الفشل الأساسية المحددة بما يتجاوز مقاييس الدقة البسيطة.
تقدم هذه الورقة البحثية AlignG، وهو إطار عمل جديد لتوليد الرسوم البيانية للمشاهد يعمل على تكييف دلالات المحمول ديناميكيًا من خلال استنتاج تمثيلات مشروطة بالسياق من مرشحات العلاقات وإعادة معايرتها عبر التغذية الراجعة للنماذج الأولية، مما يحل مشكلة تعدد المعاني بفعالية ويحقق أداءً رائدًا في مجموعات البيانات المرجعية.
تقدم هذه الورقة البحثية "DiffSpot"، وهو معيار قائم على الكود يوضح أن حتى نماذج الرؤية واللغة المتطورة تواجه صعوبة في اكتشاف الفروق البصرية دقيقة التفاصيل في واجهات الويب، حيث تحقق معدلات استدعاء منخفضة حتى في التغييرات البسيطة، وتُظهر أن صعوبة الاكتشاف تتباين بشكل كبير بناءً على خاصية CSS وليس بناءً على مقدار البكسل أو المسافة الدلالية.
تقدم هذه الورقة البحثية AgentCVR، وهو إطار عمل متعدد الوكلاء يعالج أوجه القصور في استراتيجيات المرور الواحد في الاستدلال عبر الفيديوهات من خلال توظيف "وكيل رئيسي" لتنسيق وكلاء بصريين وصوتيين متخصصين بشكل تكراري للحصول على أدلة مستهدفة، مستفيداً من نهج مبتكر للتعلم التعزيزي المحاكي للسيناريو لتحسين كفاءة التدريب مع تحقيق أداء رائد.
يُعد OccamToken إطار عمل متكيف مع الميزانية ولا يتطلب تدريباً، يعمل على تحسين كفاءة استنتاج النماذج البصرية اللغوية عبر استبدال ترتيب الرموز المطلق الهش باختبار أدلة نسبي مرتكز على السجلات، مما يتيح ضغطاً فائقاً للرموز (على سبيل المثال، تقليل 2,880 رمزاً إلى حوالي 40 رمزاً) مع الحفاظ على أكثر من 93% من الدقة الأصلية.
تكشف هذه الدراسة لـ "مجموعة لوثيان المواليد لعام 1936" أن التغيرات غير المتجانسة في شكل الأجزاء تحت القشرية، ولا سيما إزاحات الرؤوس في الحصين والدينسبثون البطني، ترتبط بالشيخوخة المعرفية عبر العقد الثامن من العمر، مما يقدم رؤى تتجاوز ما يمكن أن توفره قياسات الحجم الإجمالية.
تقترح هذه الورقة "الجودة الجوهرية" (IQ)، وهي مقياس لا يتطلب عملية تحقق، يجمع بين درجات اتساق الجوار وتعقيد فضاء التمثيل العالمي لتقدير الإمكانات الكامنة لمجموعات بيانات التعرف على الوجوه واسعة النطاق بسرعة من أجل النمذجة عالية الأداء دون الحاجة إلى تدريب كامل النطاق.
تقترح الورقة البحثية طريقة SLAD، وهي طريقة تقطير مخصصة للمهام تستفيد من محولات LoRA المشتركة لمحاذاة تمثيلات الميزات بين نموذجي المعلم والطالب، مما يؤدي إلى تحسين أداء كلا النموذجين وكفاءة التدريب مقارنة بنهج الضبط الدقيق التقليدي.