12446 ورقة بحثية
تقدم هذه الورقة MulTaBench، وهو معيار شامل يتكون من 40 مجموعة بيانات صور-جدولية ونصوص-جدولية صُممت لإثبات أن الضبط الدقيق المخصص للمهام لتمثيلات الوسائط غير المهيكلة يتفوق بشكل كبير على التمثيلات المجمدة، مما يؤسس لقاعدة لتطوير نماذج تأسيسية جدولية متعددة الوسائط ومبتكرة.
تقدم الورقة البحثية U2Diffine، وهو نموذج انتشار موحد يقوم في آن واحد بإكمال مسارات الوكلاء المتعددين والتنبؤ بها، مع توفير تقديرات لعدم اليقين المتباين لكل حالة وتصنيفات احتمالية الخطأ للأنماط المولدة، متفوقاً بذلك على الأساليب الرائدة عبر أربع مجموعات بيانات رياضية.
تقدم هذه الورقة طريقة "تعزيز مطابقة الـ adjoint" (RAM)، وهي طريقة قابلة للتوسع للتدريب اللاحق باستخدام التعلم المعزز لنماذج الانتشار ومطابقة التدفق، تحقق محاذاة فائقة مع المكافآت عبر اشتقاق فقد اتساق بسيط يصحح أهداف ما قبل التدريب دون الحاجة إلى عمليات تدفق SDE مكلفة، أو مسوحات adjoint خلفية، أو تدرجات مكافأة.
يقدم GridProbe نموذجاً حسابياً تكيفياً في وقت الاختبار وخالياً من التدريب لنماذج الرؤية واللغة (VLMs) للفيديوهات الطويلة، يعتمد على سبر البعد اللاحق (posterior probing) على شبكة إطارية لتوليد خرائط أهمية قابلة للتفسير، مما يتيح اختياراً ديناميكياً للإطارات يقلل بشكل كبير من التكلفة الحسابية مع الحفاظ على الدقة أو تحسينها في المهام التي تتطلب قدرات استدلالية عالية.
يُعد MPerS إطار عمل مبتكر لتجزئة مشاهد الاستشعار عن بُعد يستفيد من مطالبات "خليط الخبراء الديناميكي" (Mixture-of-Experts) لتوليد أوصاف عالية الجودة من نماذج لغوية بصرية متعددة (MLLMs)، والتي يتم دمجها تكيفياً عبر وحدة "الخليط الديناميكي للخبراء" (Dynamic MixExperts) وانتباه موجه بالاستعلام اللغوي لتوجيه الميزات البصرية المستخرجة بواسطة DINOv3 لتحقيق أداء تجزئة فائق.
تقدم هذه الورقة البحثية DRoRAE، وهو مشفر تلقائي للتمثيل خفيف الوزن يحسن جودة الترميز البصري والتوليد بشكل كبير من خلال دمج الميزات الهرمية من جميع طبقات المشفر البصري المجمد تكيفياً، بدلاً من الاعتماد فقط على الطبقة النهائية، مما يكشف عن علاقة لوغاريتمية خطية قابلة للتوسع بين قدرة الدمج وأداء إعادة البناء.
تقدم الورقة البحثية PhyGround، وهو معيار مرجعي شامل يتميز بـ 250 مطالبة منسقة، وتصنيف مكون من 13 قانوناً، وحكم متخصص في النماذج اللغوية البصرية (PhyJudge-9B) لتقييم وتشخيص قدرات الاستدلال الفيزيائي لنماذج الفيديو التوليدية بصرامة من خلال تعليق بشري واسع النطاق ومحكم الجودة.
تقدم هذه الورقة البحثية MMVIAD، وهي أول مجموعة بيانات ومعيار مرجعي للفيديو المستمر متعدد المشاهد لكشف الشذوذ الصناعي، وتقترح VISTA، وهو نموذج تم تدريبه عبر مسار تدريب لاحق مبتكر من مرحلتين يتفوق بشكل كبير على النماذج اللغوية الكبيرة متعددة الوسائط للفيديو الحالية والأسس المرجعية بمستوى البشر عبر أربع مهام تفتيش صناعية رئيسية.
تعد Transcoda نظاماً للتعرف الضوئي على الموسيقى يعتمد على البيانات والتعلم الصفري، حيث يستفيد من توليد البيانات الاصطناعية المتقدم، وتطبيع ترميز الـ kern، وفك التشفير القائم على القواعد لتدريب نموذج مدمج يتفوق بشكل كبير على النماذج المرجعية الحالية ذات المليارات من المعلمات في كل من اختبارات النوتات الموسيقية الاصطناعية والتاريخية.
تقدم هذه الورقة البحثية BEACON، وهي مجموعة بيانات متعددة الوسائط واسعة النطاق تضم بيانات لعب متزامنة لـ 28 لاعباً من لعبة Valorant، صُممت لتعزيز أبحاث المصادقة المستمرة وبصمة السلوك عبر التقاط إشارات حركية وإدراكية عالية الدقة تحت ضغط تنافسي واقعي.