12113 ورقة بحثية
تقترح الورقة البحثية طريقة CARVE، وهي طريقة لا تتطلب تدريباً تعمل على تعزيز الاستنتاج البصري لنماذج الرؤية واللغة عبر الاستفادة من التباين بين خرائط الانتباه العامة والخاصة بالمهمة لتصفية الضوضاء البصرية وصقل التركيز، مما يحقق مكاسب كبيرة في الأداء دون تدريب إضافي أو أدوات خارجية.
تقدم الورقة البحثية نموذج CSMoE، وهو نموذج تأسيسي فعال للاستشعار عن بعد يجمع بين بنية "خليط الخبراء الناعم" (Soft Mixture-of-Experts) واستراتيجية أخذ عينات موضوعية-مناخية لتحقيق أداء رائد عبر مهام متنوعة مع تقليل التعقيد الحسابي وتكاليف التدريب المسبق بشكل كبير.
تقدم الورقة البحثية OpenGPT-4o-Image، وهي مجموعة بيانات واسعة النطاق تضم 80,000 زوج من التعليمات والصور تغطي 11 مجالاً و51 مهمة فرعية، والتي تعزز بشكل كبير أداء النماذج متعددة الوسائط الموحدة في توليد الصور وتحريرها من خلال بناء بيانات منهجي ومؤتمت.
تقدم هذه الورقة "World-in-World"، وهي أول منصة مفتوحة لتقييم نماذج العالم التوليدية في بيئات تجسد مغلقة الحلقة، كاشفةً أن القدرة على التحكم، وتدرج الفعل-الملاحظة، وحوسبة وقت الاستدلال هي أكثر أهمية لنجاح المهام من الجودة البصرية وحدها.
تقدم هذه الورقة GlobalDiff، وهو إطار عمل جديد قائم على الانتشار يعمل على التخفيف من تراكم الأخطاء في توليد إيماءات الكلام طويلة المدى من خلال العمل مباشرة في فضاء دوران المفاصل العالمي واستخدام مخطط قيود متعدد المستويات لضمان السلامة الهيكلية والاتساق الزمني.
تقدم الورقة البحثية UrbanWorld2.0، وهو إطار عمل متعدد الوسائط يعتمد على الوكلاء ويستفيد من التأمل الذاتي التكراري وأدوات تأسيسية متنوعة لإنشاء بيئات ثلاثية الأبعاد عالية الدقة على نطاق مدينة، تتميز بمحاذاة واقعية وجودة إدراكية فائقة مقارنة بالطرق الحالية.
تقترح هذه الورقة إطار عمل للتعلم التعزيزي العميق شبه الخاضع للإشراف يدمج بين عينة دفع عصبية، ومشفّر تلقائي، ومتنبئ لتحقيق دقة وتحديد موقع فائقين في الكشف عن الشذوذ على مستوى البكسل في العمليات الصناعية باستخدام بيانات مصنفة محدودة، متفوقة بذلك على الأساليب الرائدة في مجموعة بيانات MVTec AD.
تقدم هذه الورقة امتداداً مدعوماً بالكاشف لنموذج SAMURAI التأسيسي، والذي يعزز بشكل كبير من تتبع الطائرات بدون طيار طويل الأمد والقوي في البيئات الحضرية من خلال التخفيف من حالات انقطاع الكشف وتحسين الأداء أثناء أحداث الخروج وإعادة الدخول.
تتقصى هذه الورقة البحثية قابلية التفسير في الكشف عن الصور الاصطناعية القائمة على نموذج CLIP من خلال تقديم معيار SynthCLIC للكشف عن أن هذه النماذج تعتمد على إشارات عامة مرتبطة بالنصوص تتعلق بصقل الصورة وتكوينها بدلاً من عيوب محددة ناتجة عن المولد، مما يسلط الضل على أوجه فشلها المتكاملة والمتميزة في الوقت ذاته مقارنةً بكواشف الأدلة الجنائية الرقمية.
تقدم هذه الورقة البحثية OODBench، وهو معيار تقييم مؤتمت يتكون من 40 ألف زوج من الحالات خارج التوزيع (OOD) على مستوى المثيل ومقياس تقييم تدريجي لتقييم وكشف التدهور الكبير في أداء النماذج اللغوية الرؤيوية الكبيرة الحالية عند التعامل مع بيانات خارج التوزيع في سيناريوهات العالم الحقيقي بشكل شامل.