12381 ورقة بحثية
تقترح هذه الورقة بنية متبقية ثنائية الدقة مبتكرة، معززة باستراتيجيات كبت العيوب والتدريب متعدد المهام، لتحقيق تقسيم دقيق ومطابق للبكسل للآفات الميلانينية في الصور الجلدية، متفوقة بذلك على النماذج المرجعية التقليدية في تحديد الحدود والأهمية السريرية.
يُعد VesselRW إطار عمل جديداً يعتمد على التعلم الخاضع لإشراف ضعيف، حيث يستفيد من التوسيمات المتفرقة ونموذج انتشار السير العشوائي القابل للتفاضل لتوليد إشراف كثيف ومدرك لعدم اليقين من أجل تقسيم دقيق للأوعية الدموية تحت الجلد، مما يتغلب بفعالية على تحديات ندرة البيانات وانخفاض التباين مع الحفاظ على الطوبولوجيا ذات الصلة سريرياً.
تقدم الورقة البحثية GUARD، وهو إطار عمل للاختبار يعمل على تحويل المبادئ التوجيهية الأخلاقية الحكومية رفيعة المستوى إلى أسئلة قابلة للتنفيذ ويدمج تشخيصات كسر الحماية (jailbreak) لتقييم والتقرير بشكل منهجي عن الامتثال ومتانة السلامة للنماذج اللغوية الكبيرة والنماذج اللغوية البصرية.
تُعد CalexNet إطار عمل للتدريب فقط من أجل سلاسل الخروج المبكر خفيفة الوزن، حيث تقضي على عدم التطابق بين التدريب والاستدلال من خلال أخذ العينات الهامة، والمعايرة المدركة للسلسلة، وتقطير تباين كلف (KL) بمقياس درجة الحرارة، مما يحقق كفاءة فائقة في الدقة مقابل العمليات الحسابية (FLOPs) على نماذج ResNet الأساسية دون الحاجة إلى تغييرات هيكلية عند الاستدلال.
إن GRAPE هو إطار عمل جاهز للتشغيل يعزز أداء الاسترجاع في ظل التحولات التوزيعية من خلال توظيف تحسين السياسة النسبي المجموعاتي (GRPO) لتدريب نموذج لغوي كبير على إعادة كتابة الاستعلامات، باستخدام مكافآت التصنيف النسبية للمتن لمواءمة الاستعلامات المعاد كتابتها مع التوزيع الكامن لمسترجع ثابت دون الحاجة إلى إعادة التدريب.
تُعد NEO طريقةً للتكيف عند وقت الاختبار (Test-Time Adaptation) خالية من المعلمات الفائقة (hyperparameter-free) وفعالة حاسوبياً، تعمل على تحسين متانة النموذج ومعايرته في ظل تغير التوزيعات من خلال إعادة تمركز تمثيلات البيانات المستهدفة عند الأصل، محققةً دقةً فائقة عبر مجموعات بيانات وأجهزة متعددة مع حد أدنى من العبء الحسابي.
تقدم هذه الورقة إطار عمل للانتشار ذاتي الانحدار معزز بالتحكم، يستفيد من متحكم مُدرب مسبقاً (offline) لحقن تصحيحات خطوة بخطوة أثناء عملية إزالة الضجيج، مما يحسن بشكل كبير سرعة واستقرار ودقة استيعاب البيانات للمعادلات التفاضلية الجزئية ذات الطابع الزماني المكاني الفوضوي مقارنة بالنماذج المرجعية القائمة على الانتشار الحالية.
يُعد GenCellAgent إطار عمل متعدد الوكلاء لا يتطلب تدريباً، حيث يستفيد من النماذج اللغوية الكبيرة لتنسيق أدوات متخصصة ونماذج لغوية بصرية ديناميكياً، محققاً بذلك تقسيماً لصور الخلايا يتسم بالقدرة على التكيف والوصول إلى أحدث المستويات التقنية عبر مختلف الأنماط والعضيات المستحدثة دون الحاجة إلى إعادة التدريب.
تقترح الورقة البحثية PEP-FedPT، وهو إطار عمل موحد للتعلم الاتحادي لنماذج المحولات الرؤيوية (Vision Transformers) يحقق كلاً من التعميم والتخصيص عبر تقديم مطالبة مختلطة سياقية للفئة (CCMP) تدمج المطالبات الخاصة بالفئات بشكل تكيفي باستخدام النماذج الأولية العالمية والأولويات الخاصة بالعميل دون تخزين معاملات قابلة للتدريب تعتمد على العميل.
تقترح الورقة البحثية إطار عمل AGREE، الذي يستفيد من الانتباه عبر الوسائط (cross-modal attention) من النماذج اللغوية الكبيرة متعددة الوسائط كإشراف بديل لتوجيه مسترجعي الوثائق البصرية في تعلم صلة دقيقة على مستوى المنطقة، مما يحسن الأداء بشكل كبير في الاستعلامات المعقدة غير الاستخراجية مقارنة بالنماذج المرجعية التي تعتمد على الإشراف العالمي فقط.