12446 ورقة بحثية
تقدم الورقة البحثية ViSRA، وهو وكيل يعتمد على الفيديو ومتوافق مع البشر ولا يتطلب تدريباً، يستفيد من المعلومات المكانية الصريحة من النماذج الخبيرة لتعزيز قدرات الاستدلال المكاني ثلاثي الأبعاد للنماذج اللغوية الكبيرة متعددة الوسائط بشكل كبير دون الحاجة إلى ما بعد التدريب أو تنسيق مجموعات البيانات يدوياً.
تُظهر هذه الدراسة أن توسيع نطاق نماذج الرؤية الحاسوبية لا يعزز باستمرار جودة تفسيراتها القائمة على التحديد المكاني، حيث غالبًا ما تؤدي البنيات الأصغر أداءً يضاهي أو يتفوق على البنيات الأكبر، مما يسلط الضوء على الحاجة إلى تقييم القدرة على التفسير صراحةً جنبًا إلى جنب مع دقة التنبؤ في التطبيقات الحرجة للسلامة.
تقدم هذه الورقة MTA-RL، وهو إطار عمل مبتكر يعزز القيادة الذاتية الحضرية القوية من خلال دمج بيانات RGB وLiDAR عبر محول متعدد الوسائط (Multi-modal Transformer) لتوليد تمثيلات إمكانات ثلاثية الأبعاد (3D affordance) صريحة، والتي تعمل كفضاء ملاحظة مدمج لسياسة التعلم المعزز لتحقيق أداء متفوق، وكفاءة في أخذ العينات، وتعميم صفري مقارنة بالنماذج المرجعية الحالية.
تُعد DynGhost بنية قائمة على المحولات (transformer) تستفيد من كتل الانتباه المكاني والزماني المتناوبة إلى جانب إطار تدريب واعٍ بالكم لتجاوز قيود الطرق الحالية في التصوير الشبح الديناميكي، محققةً أداء إعادة بناء فائقاً في ظل ظروف واقعية تعاني من نقص الفوتونات وضجيج بواسون.
إنّ Phoenix-VL 1.5 Medium هو نموذج تأسيسي متعدد الوسائط واللغات بطبيعته، يمتلك 123 مليار معلمة، وقد تم تكييفه خصيصاً مع سياق سنغافورة من خلال تدريب مسبق ومواءمة محلية مكثفة، محققاً أداءً هو الأفضل في فئته على المعايير المرجعية الإقليمية مع الحفاظ على التنافسية العالمية في الذكاء العام.
يُعد AnomalyClaw وكيلًا للكشف عن الشذوذ البصري لا يتطلب تدريبًا، يعمل على تعزيز موثوقية نماذج الرؤية واللغة عبر مجالات متنوعة من خلال تحويل الحكم على الشذوذ إلى عملية تفنيد متعددة الجولات وموجهة بالأدوات، تقوم بالتحقق بشكل منهجي من المرشحين مقابل مراجع العينات الطبيعية.
تقترح هذه الورقة "حالات توليدية متمحورة حول الواجهة" من خلال أداة الترميز C2LT-3D، والتي تنقل التمثيل ثلاثي الأبعاد من مجرد ضغط مكاني سلبي إلى حالة تشغيلية تكشف صراحةً عن الهندسة، وملكية المكونات، وصلاحية الاتصال لتمكين الاستدلال الهيكلي والإصلاح القوي في الأصول ثلاثية الأبعاد ذات العوالم المفتوحة.
تقترح هذه الورقة إطار عمل جديداً متعدد الوسائط للتعرف على التوزيعات ذات الذيول الطويلة، يقوم بدمج مصادر البيانات غير المتجانسة ديناميكياً باستخدام أوزان موجهة بالثقة للتغلب على عدم توازن الفئات والتفوق على الأساليب الحالية أحادية الوسائط.
تقترح الورقة البحثية DuetFair، وهو إطار عمل ثنائي المحاور يتميز بخوارزمية FairDRO التي تجمع بين خليط الخبراء المدرك للتوزيع والتحسين المتين للتوزيع المشروط بالمجموعات الفرعية لمعالجة التفاوتات بين المجموعات الفرعية والإخفاقات الخفية داخل المجموعات الفرعية في آن واحد في تقسيم الصور الطبية، محققةً عدالة فائقة وأداءً أفضل في الحالات الأسوأ عبر العديد من المعايير.
يقدم EnergyLens نموذج طاقة ذا صيغة مغلقة، قابل للتفسير، ومكون من اثني عشر معاملًا، تم استخلاصه عبر الانحدار الرمزي، يتنبأ بدقة بطاقة الاستدلال عبر مختلف النماذج اللغوية الكبيرة متعددة الوسائط والأجهزة مع حد أدنى من بيانات التوصيف، متفوقًا بذلك على النماذج المرجعية "الصندوق الأسود" والنماذج التحليلية في اختيار التكوينات والاستقراء.