12113 ورقة بحثية
تقدم الورقة البحثية gWorld، وهو نموذج جديد لنماذج عالم واجهة المستخدم الرسومية للهواتف المحمولة يستفيد من نموذج لغوي بصري واحد للتنبؤ بحالة الواجهة التالية ككود ويب قابل للتنفيذ بدلاً من البكسلات الخام، مما يحقق رندرة بصرية عالية الدقة وتوليداً دقيقاً للنصوص مع التفوق بشكل كبير على النماذج الحالية الأكبر حجماً في الدقة.
تقترح الورقة البحثية إطار عمل DySta، وهو إطار عمل فعال لنماذج الرؤية واللغة والعمل (Vision-Language-Action) يقوم بفصل الرموز البصرية الثابتة عن الديناميكية لتقليل طول السياق وتمكين إعادة استخدام ذاكرة التخزين المؤقت لمفاتيح والقيم (KV cache)، مما يؤدي إلى تحسين أداء دمج الإطارات المتعددة وسرعة الاستنتاج بشكل كبير في كل من المهام الروبوتية المحاكية والواقعية.
تقترح الورقة البحثية Light Forcing، وهو أول إطار عمل للانتباه المتناثر المصمم خصيصاً لنماذج الانتشار المرئي ذات التوليد الذاتي، والذي يستخدم النمو المدرك للكتل والانتباه المتناثر الهرمي للتغلب على تدهور الأداء وتحقيق تسريع كبير مع الحفاظ على جودة بصرية عالية.
تقدم هذه الورقة البحثية مسار عمل يعتمد على التعلم الصفري (zero-shot) دون الحاجة إلى ضبط دقيق (no-fine-tuning)، والذي يستفيد من استراتيجية مرور مرحلتين من الخشن إلى الناعم (two-pass coarse-to-fine) وتخصيص أدوار نماذج الرؤية واللغة المتخصصة لتحقيق أفضل النتائج الحالية في التوطين الزماني والمكاني لحوادث المرور النادرة في فيديوهات المراقبة، متفوقاً بذلك على النماذج المرجعية الحالية بنسبة 12.7% في معيار ACCIDENT@CVPR 2026.
تبحث هذه الورقة فيما إذا كانت نماذج الرؤية واللغة الكبيرة يمكنها محاكاة الاكتشاف الإبداعي مفتوح النهايات الملحوظ في تجارب "بيك بريدر" (Picbreeder) التي يقودها البشر، حيث وجدت أنه بينما تنتج هذه النماذج مخرجات متميزة، فإن دمج آليات مثل الضجيج الاستكشافي، والتنوع السلوكي، والذاكرة يعد ضروريًا لفهم الفجوة في القدرة التوليدية بشكل أفضل ولتجسيرها محتملاً.
تقترح هذه الورقة البحثية إطار عمل MODIAD، وهو إطار عمل مبتكر للكشف عن الشذوذ الصناعي الموزع عبر الإنترنت متعدد الوسائط، والذي يوظف مشكلة جدولة ذكية متعددة الفئات يتم حلها بواسطة خوارزمية جشعة للربح الهامشي المتسلسل واستراتيجية تكييف منخفضة الرتبة لكل فئة كفؤة في استهلاك الموارد لتحقيق أداء وكفاءة متفوقين في ظل قيود الموارد.
تُعد GazeWorld نموذجاً عالمياً للتصوير الطبي يستفيد من بيانات تتبع حركة عين أخصائي الأشعة للتنبؤ بالتتابعات الذاتية للتمثيلات الصورية الكامنة، محققةً دقة تشخيصية وأداءً في التعلم الصفري من الطراز الرفيع عبر تعلم كيفية قراءة الخبراء للصور بدلاً من مجرد ما يخلصون إليه.
تقدم هذه الورقة "نماذج العالم النانوية" (Nano World Models)، وهي عبارة عن كود برمجي بسيط وقابل لإعادة الإنتاج مبني على تقنية "الانتشار القسري" (diffusion forcing)، يوحد مختلف مكونات التنبؤ بالفيديو لتمكين الدراسات العلمية المنضبطة حول خيارات تصميم نماذج العالم عبر بيئات متنوعة.
تقترح الورقة البحثية إطار عمل Diff-Instruct مع المكافأة المنتشرة (DIDR)، وهو إطار عمل خالٍ من البيانات يعمل على مواءمة مولدات الصور ذات الخطوة الواحدة مع التفضيلات البشرية من خلال نشر التوزيعات المائلة للمكافأة عبر مسار الانتشار، محققاً كفاءة ودقة صور فائقتين مقارنة بالنماذج المرجعية الحالية وحتى المعلمين متعدد الخطوات.
تقترح الورقة البحثية إطار عمل "التفكير-التخيل-التنفيذ" (RIA)، وهو إطار عمل مغلق الحلقة يدمج نموذج لغوي كبير للتعليل مع نموذج عالم مشروط بالفعل لتمكين التحقق من السلامة عبر الإنترنت وتحسين أداء اتخاذ القرار بشكل كبير في القيادة الذاتية.