12446 ورقة بحثية
يُعد MTPano نموذجاً تأسيسياً بانورامياً متعدد المهام وخالياً من الملصقات، يستفيد من الأولويات المنظورية لتوليد الملصقات الزائفة، ويوظف شبكة (Panoramic Dual BridgeNet) المدركة للهندسة لفك الارتباط بفعالية بين المهام الثابتة والمهام المتغيرة دورانياً، محققاً أداءً هو الأفضل في فئته في الفهم الكثيف للمشاهد البانورامية.
لمعالجة ندرة مجموعات البيانات رباعية الأبعاد (4D) ومحدودية نقل النماذج مسبقة التدريب ثلاثية الأبعاد (3D)، تقترح هذه الورقة البحثية PointATA، وهو نموذج جديد يعتمد على نهج "المحاذاة ثم التكيف" (Align then Adapt) يستخدم النقل الأمثل لسد الفجوة بين الأنماط والمهايئات الفعالة للتخفيف من حدة الإفراط في التخصيص، مما يتيح إدراكاً رباعي الأبعاد كفؤاً من حيث المعلمات يتفوق على أساليب الضبط الدقيق الكامل.
تقدم هذه الورقة نموذجاً لدمج الميزات العميقة والمصممة يدوياً يحلل تسجيلات تخطيط صدى القلب من 751 مريضاً من الأطفال لتحقيق دقة بنسبة 92% في الكشف الآلي ومنخفض التكلفة عن أمراض القلب الخلقية، مما يوفر أداة فحص واعدة للمناطق ذات الموارد المحدودة.
تقدم الورقة البحثية VibeToken، وهو مُرمِّز صور أحادي الأبعاد غير مقيد بالدقة ومولد تلقائي التسلسل مقابل له (VibeToken-Gen)، مما يتيح توليد صور بدقة ديناميكية وكفاءة عالية بتكاليف حوسبة أقل بكثير وأداء متفوق مقارنة بنماذج الانتشار والنماذج ذات الدقة الثابتة وتلقائية التسلسل.
يقدم هذا العمل VISION-SLS، وهو إطار عمل قابل للتوسع يجمع بين التمثيلات البصرية المتعلمة منخفضة الأبعاد والتركيب على مستوى النظام لتمكين التحكم الآمن والقوي وفي الوقت الفعلي عبر التغذية الراجعة غير الخطية للمخرجات من صور عالية الدقة، مما يعالج بفعالية مشكلات عدم إمكانية الرصد الكامل وضجيج المستشعرات مع ضمان استيفاء القيود في كل من عمليات المحاكاة والتجارب العتادية.
تجادل هذه الورقة البحثية بأن تطبيق الذكاء الاصطناعي الوكيل على رصد الأرض يتطلب إعادة تصميم جذرية لبنى الوكلاء لمعالجة التحديات الهيكلية الفريدة لسير العمل الجيومكاني — مثل العمليات المحولة للحالة وانتشار الخطأ — من خلال إعطاء الأولوية للاتساق الجيومكاني، والصلاحية الفيزيائية، والتنفيذ الموجه بالتحقق، بدلاً من قدرات الاستدلال العامة.
يُعدّ Nemotron 3 Nano Omni نموذجاً جديداً مفتوح المصدر متعدد الوسائط يدعم أصلياً مدخلات الصوت والنص والصورة والفيديو، ويقدم دقة محسنة وقدرات وكيلة واستدلالاً فعالاً من خلال هيكل أساسي مكون من 30 مليار معلمة و3 مليارات معلمة نشطة وتقنيات لتقليل الرموز، مع إصدار نقاط تفتيش وبرمجيات لدعم المزيد من الأبحاث.
تستعرض هذه الورقة الأعمال الحالية حول الخلايا الآلية العصبية (NCA)، التي تجمع بين الخلايا الآلية والشبكات العصبية القابلة للتعلم لنمذجة الأنظمة التوليدية المعقدة، وتوفر إطار عمل نمطيًا موحدًا، ورموزًا، وتنفيذًا مرجعيًا في المكتبة مفتوحة المصدر NCAtorch.
تقدم هذه الورقة البحثية XTC-Bench، وهو إطار تقييم جديد ومقياس الاتساق المستمر عبر المهام (CCTA)، لتشخيص وقياس الاتساق الدلالي بين الفهم البصري والتوليد في النماذج متعددة الوسائط الموحدة، مما يكشف أن الأداء العالي في المهام المنفردة لا يضمن تمثيلات موحدة متماسكة.
تكشف هذه الورقة أن مسافة التضمين متعدد الوسائط تتنبأ بقوة بنجاح هجمات حقن المطالبات الطباعية على نماذج اللغة الرؤية، وذلك من خلال التأثير في آن واحد على مقروئية النص ومواءمة السلامة، وتستفيد من هذه الرؤية لتطوير أداة اختبار اختراق (red teaming) مستقلة عن النموذج تعمل على تحسين الاضطرابات لتجاوز فلاتر السلامة.