12113 ورقة بحثية
تقترح الورقة البحثية SSR3D-LLM، وهو إطار عمل موحد لـ 3D-LLM يعزز تحديد مواقع الأشياء بدقة متناهية عبر استبدال قرارات المؤشر الواحد الهشة بعملية منظمة من خطوات الاستدلال المكاني الكامن ورموز الذاكرة لتنقيح ترتيب المرشحين بشكل تكراري.
تُعد DiscoForcing إطار عمل موحداً يعمل في الوقت الفعلي، يستفيد من مشفر موسيقي سببي ونموذج تسلسل يعتمد على الانتشار القسري (diffusion-forcing) مع جدول زمني هجين للزمن، لتحقيق تحكم مستقر وطويل الأمد واستجابي في حركة الشخصية لكامل الجسم تحت قيود زمن انتقال صارمة وظروف صوتية غير مستقرة.
يُعد Janus-LoRA إطار عمل جديد للتعلم المستمر يحقق توازناً فائقاً بين الاستقرار واللدونة من خلال الجمع بين آلية تصحيح التدرج لفرض التعامد على مستوى المعلمات، وفقدان الهامش المنفصل لضمان الفصل على مستوى الميزات، مما يمنع النسيان الكارثي مع الحفاظ على القدرة التعلمية.
يُعد DeGO إطار عمل خاضعًا للإشراف الضعيف يعمل على تحسين التنبؤ بالانشغال ثلاثي الأبعاد الديناميكي للقيادة الذاتية من خلال فصل الحركات الصلبة وغير الصلبة عبر بدائيات غاوس القابلة للتشوه، وتعزيز الاتساق الزمني عبر التقطير المُجزأ من نموذج تأسيسي رباعي الأبعاد.
تقترح هذه الورقة استراتيجية محاكاة جديدة قائمة على الفيزياء، معززة بفك الارتباط الحقيقي للبقع (speckle decorrelation) والتحسين التكراري، لتوليد مجموعة بيانات واقعية ضوئياً تمكن نماذج التعلم العميق من تحقيق تقدير فائق للتشوه العضلي القلبي عالمياً وإقليمياً، متجاوزةً بذلك دقة المعيار السريري الحالي.
تقدم هذه الورقة معيار CAGE ومنهجية المسبار المزدوج للكشف عن "فجوة تجريد" كبيرة حيث تولد معظم النماذج الرؤية-اللغوية تفسيرات مقبولة لغوياً ولكنها غير أمينة سببيّاً، مما يثبت أنه بينما توجد القدرة على الاستنتاج الأمين في بنيات معينة، إلا أنها لا تتحقق بشكل موثوق من خلال الضبط الدقيق القياسي.
تقدم هذه الورقة طريقةً لا تعتمد على الملصقات (label-free) وتُطبق بعد التدريب (post-hoc) لتحديد وتخفيف التحيزات الزائفة في النماذج الرؤيوية المجمدة، وذلك عبر تفكيك التنشيطات إلى مفاهيم قابلة للتفسير وترتيبها من خلال التفاعلات المتدرجة مع الأمثلة المصنفة خطأً، مما يؤدي إلى تحسين دقة أسوأ المجموعات دون الحاجة إلى إعادة التدريب أو ملصقات سمات إضافية.
تقدم الورقة البحثية -QVLA، وهو إطار عمل للكمّ (quantization) ما بعد الكمّ لا يتطلب تدريباً، يُمكّن من إجراء كمّ منتظم من نوع W4A4 لنماذج الرؤية واللغة والعمل (Vision-Language-Action) بأكملها عبر الجمع بين تدوير SVD-Hadamard المركب وتوسيع تنشيط DiT لكل خطوة، محققاً معدلات نجاح في المهام هي الأفضل حالياً وتقليلاً كبيراً في الذاكرة في كل من الاختبارات المرجعية ومهام المعالجة في العالم الحقيقي.
تقدم هذه الورقة البحثية OmniVerifier-M1، وهو نموذج تحقق ميتا متعدد الوسائط يحقق تحققًا بصريًا قويًا وتصحيحًا ذاتيًا ديناميكيًا من خلال الاستفادة من المبررات الرمزية واستراتيجية التعلم المعزز المنفصلة للتفوق على نهج التحسين المشترك التقليدي.
تقدم هذه الورقة معياراً للذاكرة البصرية الشخصية يستهدف كلاً من الأدلة الصريحة والضمنية، وتقترح VisualMem، وهي بنية هجينة تتفوق على الأنظمة الحالية التي تركز على النصوص من خلال الاستفيد بفعالية من المعلومات البصرية المهيكلة لتعزيز الذاكرة طويلة المدى لوكلاء الذكاء الاصطناعي المخصصين.