12498 ورقة بحثية
تتناول هذه الورقة تحدي النسخ النصي للمستندات المكتوبة بخط اليد متعددة الصفحات بنمط التعلم الصفري من خلال تقديم معيار "مالفيرن-هيلز" (Malvern-Hills) واستراتيجيات صياغة أوامر مبتكرة (OCR+PAGE-1 و OCR+PAGE-N) تستفيد من النماذج اللغوية الكبيرة متعددة الوسائط لمشاركة المعلومات السياقية عبر الصفحات، متفوقة بذلك على النهج الحالية أحادية الصفحة أو أحادية الوسائط.
تقدم هذه الورقة البحثية OD-TTA، وهو إطار عمل فعال في استهلاك الموارد للأنظمة البصرية المتجسدة، والذي يستخدم التكيف عند الاختبار عند الطلب والمحفز باكتشاف تغير النطاق، مقترناً باختيار النموذج المصدر وتحديثات تطبيع الدفعات المنفصلة، لتحقيق دقة عالية مع تقليل عبء الذاكرة والطاقة بشكل كبير على أجهزة الحافة.
تقدم هذه الورقة البحثية CROC، وهو إطار عمل قابل للتوسع لإجراء فحوصات متناقضة مؤتمتة للصلابة، يقوم بتوليد مجموعة بيانات ضخمة ذات تسميات زائفة ومعيار مرجعي خاضع للإشراف البشري لتقييم مقاييس تحويل النص إلى صورة بشكل منهجي، مما يكشف عن عيوب كبيرة في الصلابة في الأساليب الحالية ويُمكّن من تدريب المقياس مفتوح المصدر والأحدث حالياً، CROCScore.
تقدم الورقة البحثية ScienceBoard، وهو بيئة واقعية متعددة المجالات ومعيار مرجعي يتكون من 169 مهمة علمية تم التحقق منها بدقة صُممت لتقييم الوكلاء المستقلين متعددي الوسائط، مما يكشف أن النماذج الحالية المتطورة لا تحقق سوى نسبة نجاح تبلغ 15% في سير العمل العلمي المعقد ويسلط الضوء على الحاجة إلى تحسين مبادئ التصميم لدعم الاكتشاف العلمي المؤتمت.
تقترح الورقة البحثية MUSEG، وهي طريقة تعتمد على التعلم المعزز تعمل على تعزيز الاستدلال الزمني دقيق التفاصيل للنماذج اللغوية الكبيرة متعددة الوسائط من خلال إدخال التأسيس متعدد القطع الواعي بالطوابع الزمنية واستراتيجية تدريب مكافأة مرحلية، مما يتفوق بشكل كبير على النهج الحالية في مهام التأسيس الزمني والأسئلة والأجوبة المرئية الحساسة للوقت.
تقدم هذه الورقة البحثية OD3، وهو إطار عمل لتقطير مجموعات البيانات لتعرف الأشياء لا يعتمد على التحسين، يقوم بتخليق مجموعات بيانات مدمجة من خلال وضع المرشحين بشكل تكراري وفحص النماذج سابقة التدريب، محققاً أداءً هو الأفضل في حالته على مجموعتي بيانات COCO وPASCAL VOC بدقة أعلى بكثير من الطرق الحالية.
تتناول هذه الورقة مسأًلة الاستجابات المتدهورة أو الهلوسة التي تلي عملية "إلغاء التعلم الآلي" في النماذج اللغوية البصرية الضخمة من خلال تقديم مهمة جديدة وطريقة PUBG، التي تضمن بقاء المخرجات الحافظة للخصوصية غنية بالمعلومات ومرتبطة بصرياً.
تقدم الورقة البحثية LLaMA-XR، وهو إطار عمل مبتكر يجمع بين LLaMA 3.1، وتضمينات صور DenseNet-121، وضبط دقيق باستخدام QLoRA لإنشاء تقارير إشعاعية دقيقة ومتماسكة سريريًا بكفاءة، محققًا أداءً هو الأفضل في فئته على مجموعة بيانات IU X-ray.
تقترح هذه الورقة طريقة استدلال بصري قائمة على نماذج اللغة والرؤية (VLM) تتضمن أربعة تكوينات للمطالبات تزداد معلوماتية بشكل تدريجي للكشف عن الشذوذ في المختبرات العلمية الروبوتية، والتي تم التحقق من صحتها من خلال معيار مرجعي تم إنشاؤه حديثاً وتجارب واقعية تُظهر تحسناً في الدقة مع زيادة المعلومات السياقية.
تقدم هذه الورقة البحثية R3D2، وهو نموذج انتشار خفيف الوزن بـخطوة واحدة يتيح الإدراج الواقعي واللحظي لأصول ثلاثية الأبعاد كاملة داخل مشاهد القيادة القائمة على الرندرة العصبية، وذلك عبر توليد ظلال وإضاءة منطقية، مما يتغلب على قيود طرق "Gaussian Splatting" ثلاثية الأبعاد التقليدية من أجل محاكاة القيادة الذاتية القابلة للتوسع.