12113 ورقة بحثية
تقترح الورقة البحثية نموذج MVP-LAM، وهو نموذج متعدد الرؤى يتعلم أفعالاً كامنة متمحورة حول الفعل من خلال إعادة البناء عبر الرؤى المتعددة لتحسين التدريب المسبق لنماذج VLA وأداء التلاعب الروبوتي في المهام اللاحقة.
تقدم الورقة البحثية DODO، وهو أول نموذج رؤية-لغة يستخدم الانتشار المنفصل الكتلي (block discrete diffusion) للتغلب على عقبة فك التشفير المتسلسل في التعرف الضوئي على الحروف (OCR) ذات الطابع التلقائي، محققاً دقة تقارب أحدث ما توصلت إليه التقنيات مع سرعة استدلال تصل إلى 5 أضعاف من خلال التخفيف من عدم الاستقرار الهيكلي لأساليب الانتشار المقنع الحالية.
تقدم الورقة البحثية InfoNoise، وهي طريقة تكيفية عبر الإنترنت لجدولة الضجيج تقوم بإعادة تخصيص جهد التدريب ديناميكيًا إلى مستويات الضجيج الأكثر إفادة من خلال تقدير ملف تعريف معدل الإنتروبيا الشرطية، مما يحقق أداءً فائقًا وحوسبة أقل بنسبة تصل إلى 3 أضعاف عبر مجالات متنوعة دون الحاجة إلى نماذج مساعدة أو بحث غير متصل بالإنترنت.
تقدم الورقة البحثية MoScale، وهو إطار عمل تكراري من نوع "التوليد الذاتي" (autoregressive) متعدد المقاييس، يقوم بتوليد الحركة من النص بشكل هرمي من الدقة الخشنة إلى الدقة الناعمة مع آليات تحسين عبر المقاييس وداخل المقياس نفسه، محققاً أداءً هو الأفضل في فئته، وكفاءة عالية في التدريب، وقدرة قوية على التعميم في حالات "الصفر المعرفة" (zero-shot).
تقترح الورقة البحثية Polygon-mamba، وهي شبكة هجينة تجمع بين الـ CNN والـ Mamba تدمج نموذج فضاء حالة بصري يعتمد على المسح المضلعي وآلية انتباه تعاونية مكانية-ترددية للحفاظ بفعالية على السلامة الطوبولوجية وتعزيز استخراج الميزات من أجل تقسيم دقيق للأوعية الدموية الشبكية الصغيرة عبر مجموعات بيانات متعددة.
تؤكد دراسة إعادة الإنتاج هذه أن محاذاة الثلاثيات الهندسية في إطار عمل TRIANGLE تُحسن بشكل كبير أداء الاسترجاع متعدد الوسائط بنمط "التعلم الصفري" مقارنة بالنماذج المرجعية الثنائية، بينما تكشف أيضاً عن عدم استقرار حرج في التحسين عند التدريب من الصفر ومقايضات التعميم المعتمدة على النطاق.
تعالج هذه الورقة نقص موارد توليد النصوص المكتوبة بخط اليد باللغة الأوكرانية من خلال بناء مجموعة بيانات ضخمة مصنفة حسب الكاتب، وإثبات أن نموذجاً قائماً على الانتشار، تم تدريبه في الأصل على النصوص اللاتينية، يمكنه التعميم بنجاح لتوليد نصوص سيريلية مقروءة ومتسقة الأسلوب من خلال النقل عبر المجالات والنقل القليل من الأمثلة.
تُثبت هذه الورقة أن تدريب المصنفات على صور اصطناعية تم إنشاؤها بواسطة نماذج الانتشار الكامنة المشروطة بالتمثيل (باستخدام DINOv2 وDINOv3 وCLIP) يتفوق بشكل كبير على كل من التوليد المشروط بالفئة والنماذج المدربة على مجموعات البيانات الواقعية، مما يقدم حلاً واعداً لندرة البيانات في التعلم البصري واسع النطاق.
تقدم هذه الورقة البحثية "عالم ماذا لو" (What-If World)، وهو معيار مرجعي جديد يتكون من 319 زوجًا من الأوامر النصية التي تقيم نماذج توليد الفيديو بناءً على قدرتها على إنتاج نتائج متسقة فيزيائيًا ومتباينة سببيًا استجابةً لتغييرات في متغير واحد، مما يكشف أن النماذج الحالية المتطورة تفشل إلى حد كبير في محاكاة السيناريوهات المتجسدة بشكل موثوق لأغراض التخطيط والتحكم.
تقيم هذه الدراسة بشكل منهجي سلوكيات الهلوسة في النماذج اللغوية الكبيرة متعددة الوسائط عبر مهام تفسير وتوليد الصور الزراعية، كاشفةً عن عدم اتساق بيولوجي وتناقضات سياقية كبيرة تقوض موثوقية الرؤى الزراعية المدعومة بالذكاء الاصطناعي رغم التحسينات الناتجة عن التلقين بلقطات قليلة.