12159 ورقة بحثية
يقدم WorldVLN أول نموذج عمل عالمي ذاتي الانحدار للملاحة الجوية بالرؤية واللغة، والذي يتنبأ بانتقالات حالة العالم قصيرة الأفق لفك تشفير إجراءات نقاط المسار القابلة للتنفيذ مباشرة، مستخدماً إطار تدريب جديداً من مرحلتين مع خوارزمية GRPO المدركة للأفعال لتحقيق أداء فائق في الاختبارات المعيارية والنشر الواقعي للدرونز في حالات عدم التعيين (zero-shot).
تقدم هذه الورقة ركائز المخطط البياني للأحداث الحتمية، وهي نموذج عالمي شفاف وغير معلمي يمثل الحالة كسجلات ثلاثية (RDF) مضافة فقط، ويُمكّن من الاستدلال المضاد للواقع بدقة من خلال تفرع السجل، مما يُظهر أداءً فائقاً على كل من الأوراكل الرمزية ونماذج اللغات الكبيرة المعلمية في معايير CLEVRER وtwin-EventLog.
يُعد Flash-GRPO إطار تدريب أحادي الخطوة يتغلب على الاختناقات الحسابية وعدم الاستقرار في أساليب تحسين السياسة النسبية للمجموعات (GRPO) الحالية لنماذج الانتشار بالفيديو، وذلك عبر إدخال التجميع متساوي الزمن وتصحيح التدرج الزمني لتحقيق جودة محاذاة رائدة مع تقليل تكاليف التدريب بشكل كبير.
يُعد Echo-Forcing إطار عمل لذاكرة المشهد لا يتطلب تدريباً، يعمل على تعزيز توليد الفيديو الطويل التفاعلي من خلال فك ارتباط حالات (KV) التاريخية عبر ذاكرة زمنية هرمية، وإطارات استدعاء المشهد، واضمحلال الذاكرة المدرك للاختلاف، وذلك للتعامل بفعالية مع تبديل المطالبات، ومنع نسيان المشهد، وتمكين الاستدعاء بعيد المدى.
تقدم هذه الورقة سير عمل مفتوح المصدر للتعلم العميق من طرف إلى طرف، يستفيد من النماذج القائمة على SAM لأتمتة عد اللويحات الفيروسية وتعييرها من صور أطباق مختبرية متنوعة، محققاً دقة عالية واتفاقاً مع التوصيفات اليدوية للخبراء عبر أنواع متعددة من الفيروسات وتنسيقات الأطباق المختلفة.
تقترح الورقة البحثية إطار عمل EndoGSim، وهو إطار عمل موحد يستفيد من تقنية "Gaussian Splatting" رباعية الأبعاد الموجهة بنماذج اللغات الكبيرة متعددة الوسائط (MLLM) وطريقة نقطة المادة (MPM) القابلة للتفاضل، لتحقيق إعادة بناء ومحاكاة عالية الدقة وواعية بالفيزياء للمشاهد التنظيرية الديناميكية في الجراحة بمساعدة الروبوت.
يُعد AgriMind إطار عمل للتعلم العميق القائم على التجميع يجمع بين ResNet50 وEfficientNet-B0 وDenseNet121، والذي يحقق دقة بنسبة 99.23% في تصنيف 15 فئة من أمراض النباتات عبر محاصيل الفلفل والبطاطس والطماطم، مما يقلل بشكل كبير من معدلات الخطأ مقارنة بالنماذج الفردية مع الحفاظ على كفاءة خفيفة الوزن مناسبة للنشر المحتمل على الهواتف المحمولة في بنغلاديش.
يقترح WeatherOcc3D إطار عمل مبتكر يسخر نموذج الرؤية واللغة (VLM) لتعديل دمج الكاميرا والليدار ديناميكيًا بناءً على تلميحات الطقس اللغوية، مما يعالج بفعالية مشكلات موثوقية المستشعرات في الظروف القاسية ويحسن بشكل كبير أداء التنبؤ بالتواجد الدلالي ثلاثي الأبعاد على مجموعة بيانات nuScenes.
يُعد STABLE إطار عمل ثنائي النظام مبتكرًا يجمع بين نموذج لغوي كبير (LLM) مضبوط بدقة لتوليد التخطيط الدلالي، ونموذج تدفق مدرك للفيزياء للتصحيح الفيزيائي، مما يتيح الإنشاء التدريجي لمشاهد الطاولة الجاهزة للمحاكاة والتي تلتزم بصرامة بتعليمات المهام مع ضمان ترتيبات للأجسام خالية من التصادم ومنطقية فيزيائيًا.
تُظهر هذه الورقة أنه بينما لا تعاني محولات الانتشار (DiTs) من القيم المتطرفة لرموز الرقع (patch-token outliers) المميزة لمحولات الرؤية (Vision Transformers)، إلا أن رموز التسجيل (register tokens) لا تزال تعزز بشكل كبير جودة التوليد وتقارب محولات الانتشار في فضاء البكسل من خلال إنتاج خرائط ميزات أكثر نقاءً، مما أدى إلى اقتراح بنية ثنائية المسار كفؤة في المعلمات تستفيد من هذه الرؤى.