12113 ورقة بحثية
تقدم هذه الورقة البحثية آلية "انتباه الكتل المتبادلة" (Permuted Block-Sparse Attention - PBS-Attn)، وهي طريقة جاهزة للاستخدام تعتمد على تبديل ترتيب الرموز (token permutation) لتحسين التشتت على مستوى الكتل في النماذج اللغوية الكبيرة ذات السياق الطويل، محققةً تسريعاً يصل إلى 2.75 ضعفاً في مرحلة التعبئة المسبقة (prefilling) مع الحفاظ على دقة تضاهي الانتباه الكامل.
تقترح الورقة البحثية إطار عمل ESSC-RM، وهو إطار عمل جاهز للتشغيل (plug-and-play) يعمل على تعزيز نماذج إكمال المشهد الدلالي الحالية من خلال دمج وحدة واعية بضجيج التنبؤ ووحدة هندسة محلية على مستوى الفوكسل لتنقية التنبؤات التقريبية، مما يؤدي إلى تحسين أداء متوسط تقاطع الاتحاد (mean IoU) على مجموعة بيانات SemanticKITTI.
تقدم هذه الورقة أول معيار شامل لتقييم نماذج الرؤية واللغة على الصور المضغوطة، وتحدد فشل التعميم باعتباره المصدر الرئيسي لفجوات الأداء، وتقترح مهايئاً عالمياً يحسن أداء النماذج عبر مختلف برامج الترميز ومعدلات البت بنسبة تتراوح بين 10% و30%.
تقدم هذه الورقة البحثية VGAS، وهو إطار عمل لاختيار كتل الأفعال الموجهة بالقيمة يعزز تكيف الرؤية واللغة والأفعال في حالات التعلم من أمثلة قليلة، وذلك عبر الجمع بين مولد مقترحات عالي الاستدعاء وناقد قائم على الأسس الهندسية وتنظيم هندسي صريح لحل حالات الغموض وتحسين المتانة في ظل الإشراف المحدود.
تقدم هذه الورقة نموذج DiNa-LRM، وهو نموذج مكافأة كامن أصيل في عملية الانتشار (diffusion-native) وفعال حاسوبياً، يصيغ تعلم التفضيلات مباشرة على حالات الانتشار المشوشة للتغلب على عدم تطابق النطاق والتكاليف العالية لنماذج المكافآت القائمة على النماذج اللغوية البصرية، محققاً أداء محاذاة فائقاً مع متطلبات موارد أقل بكثير.
تقدم هذه الورقة سير عمل معياري وقابل للتعميم يجمع بين واجهة بيانات مرنة وشبكة عصبية عميقة واحدة لرسم خرائط المعالم الخشبية الخطية عبر ألمانيا بنطاق وطني بنجاح باستخدام بيانات رصد أرضي متنوعة دون الحاجة إلى إعادة تدريب النموذج.
يُعد 4DThinker إطار عمل مبتكر يعزز الاستدلال المكاني الديناميكي لنماذج الرؤية واللغة من خلال تمكينها من "التفكير بـ 4D" عبر محاكاة داخلية للصور الذهنية الكامنة، مدعوماً بمسار بيانات خالٍ من التوسيم، والضبط الدقيق للصور الديناميكية، والتعلم التعزيزي رباعي الأبعاد.
يُعد OpenGaFF إطار عمل جديد لفهم المشاهد ثلاثية الأبعاد ذات المفردات المفتوحة، وهو مبني على تقنية Gaussian Splatting ثلاثية الأبعاد، حيث يعمل على تعزيز التماسك الدلالي المكاني والاتساق على مستوى الكائنات من خلال ربط حقل سمات Gaussian بكتيب رموز مهيكل وآلية انتباه موجهة بكتيب الرموز.
توسع هذه الورقة البحثية إطار عمل تقدير المسافة البصرية للأحداث العميقة (DEVO) عبر إضافة مسار تصدير سحابي نقطي متفرق يقوم بتحويل البنية ثلاثية الأبعاد الداخلية للنظام إلى تمثيل هندسي صريح لأغراض التصور والمعالجة اللاحقة، محققةً دقة محلية عالية على بيانات الاختبار المرجعية مع الحفاظ على أداء تقدير المسافة الأصلي.
تكشف هذه الورقة أن معايير التقييم الحالية للرؤية واللغة تفشل في تقييم الربط البصري دقيق التفاصيل بشكل موثوق لأن النماذج مفتوحة المصدر تظهر حساسية منخفضة بشكل مفاجئ تجاه التدهور البصري وتعتمد على الأدلة البصرية بدرجة أقل مما تشير إليه مقاييس الدقة القياسية، وهي ظاهرة تُعزى إلى زيادة التشابه بين الرموز البصرية في طبقات الشبكة العميقة.