12498 ورقة بحثية
تقترح هذه الورقة البحثية Visual-RRT (vRRT)، وهو مخطط حركة مبتكر يجسّر الفجوة بين الاستكشاف القائم على أخذ العينات والاستغلال القائم على التدرج لتمكين الملاحة الروبوتية نحو أهداف بصرية محددة بواسطة صور أو فيديوهات، بدلاً من اشتراط تكوينات مفاصل عددية صريحة.
تقدم الورقة البحثية "موزاييك" (Mosaic)، وهو نموذج احتمالي للتنبؤ بالطقس يستخدم آلية الانتباه متفرقة الكتل واضطرابات وظيفية متعلمة للحفاظ على الدقة الطيفية وتوليد مجموعات تنبؤية جيدة المعايرة بدقة 1.5 درجة، محققاً أداءً هو الأفضل في فئته وسرعات استدلال عالية مع التغلب على مشكلات التدهور الطيفي الشائعة في التنبؤات القائمة على تعلم الآلة.
تقترح هذه الورقة إطار عمل "المعرفة الهرمية العميقة" (DHK) مبتكرًا، يتميز بفقد شجري هرمي وفقد ثلاثي شجري مجموعاتي مع هوامش ديناميكية، لنمذجة التبعيات بين الفئات بفعالية وتحسين دقة تشخيص شدة الأعطال عبر مجموعات بيانات صناعية متعددة.
تقدم هذه الورقة نظام رؤية ستيريو مثبتاً على طائرة بدون طيار يجمع بين تقسيم الأغصان وتقدير التباين القائم على التعلم العميق مع خوارزمية تثليث قائمة على المركز لتحديد موقع أغصان صنوبر رادياتا بدقة من أجل التقليم الذاتي، مما يثبت جدوى الحلول منخفضة التكلفة لأتمتة الغابات.
تقدم هذه الورقة البحثية DexWorldModel، وهو إطار عمل يتميز بنموذج العالم الكامن السببي (CLWM) مع أهداف توليدية قائمة على DINOv3، والتدريب في وقت الاختبار ثنائي الحالة (Dual-State Test-Time Training) لضمان ثبات توسع الذاكرة، والاستدلال الاستباقي غير المتزامن لتقليل زمن الاستجابة، مما يتيح نقلًا رائدًا من المحاكاة إلى الواقع (sim-to-real) دون تدريب مسبق لتعلم المهام المجسدة آليًا.
تقترح هذه الورقة دالة فقدان جديدة واعية بالشك تدمج المنطق الضبابي مع الإنتروبيا المتقاطعة الفئوية لتحسين دقة وموثوقية تقسيم صور الرنين المغناطيسي للدماغ، مما يظهر أداءً فائقاً مقارنة بالإنتروبيا المتقاطعة القياسية على مجموعتي بيانات IBSR وOASIS باستخدام بنيتي U-Net وU-Net++.
تقوم هذه الورقة البحثية بتقييم ١٧ نموذجاً رائداً من النماذج اللغوية الكبيرة متعددة الوسائط في مهمة تحدٍ تتمثل في رقمنة النماذج الطبية الواقعية، حيث أظهرت أن أحدث النماذج من جوجل وأوبن إيه آي تحقق دقة عالية (حوالي ٨٥٪) ومعدلات منخفضة من الهلوسة، مع تعزيز تحسين الأوامر للمقاييس الكلية بشكل كبير، مما يؤكد إمكانية الرقمنة المؤتمتة بالكامل لسير العمل اليدوي المعقد.
تقترح هذه الورقة نموذجاً هجيناً جديداً للتعلم العميق يجمع بين DINOv2 وLSTM القائم على آلية الانتباه للتنبؤ بدقة بتكوّن الكيسة الأريمية من صور الأجنة اليومية المحدودة، محققاً دقة بنسبة 96.4% ومقدماً حلاً عملياً لعيادات التلقيح الاصطناعي التي تفتقر إلى أنظمة التصوير بفاصل زمني كاملة.
تقدم الورقة البحثية SynthPID، وهي مجموعة بيانات اصطناعية تحافظ على الطوبولوجيا ومستمدة من رسومات P&ID حقيقية، والتي عند استخدامها لتدريب نموذج Relationformer متخصص، تحقق دقة بنسبة 63.8% في اكتشاف الحواف على معيار مرجعي واقعي دون أي بيانات تدريب حقيقية، متجاوزة بذلك بفعالية قيود التعزيز القائم على القوالب العشوائية.
يُعد BARD إطار عمل مبتكر يحول نماذج الرؤية واللغة ذات التنبؤ الذاتي مسبقة التدريب بكفاءة إلى نماذج انتشار ذات كتل كبيرة بسرعة فك تشفير تزيد بمقدار 3 أضعاف عبر توظيف دمج الكتل التدريجي وتقطير الانتشار الداخلي المرحلي، محققاً بذلك أداءً رائدًا مع تجنب تدهور الجودة المرتبط عادةً بالتحويل المباشر من النماذج ذات التنبؤ الذاتي إلى نماذج الانتشار.