12498 ورقة بحثية
يُعد ChatENV نموذجاً تفاعلياً للرؤية واللغة يدمج صور الأقمار الصناعية مع بيانات الاستشعار من العالم الحقيقي لتمكين التفكير الزمني المتقدم وتفكير "ماذا لو" للمراقبة البيئية، متجاوزاً بذلك قيود النماذج الحالية عبر الاستفادة من مجموعة بيانات ضخمة مدعومة بأجهزة الاستشعار وبنية هندسية مضبوطة بدقة.
تقدم هذه الورقة إطار عمل متعدد الوسائط ذكيًا يستفيد من نموذج Google Gemini 2.5 Flash والنماذج اللغوية البصرية لأتمتة اكتشاف الأورام وإنشاء التقارير السريرية عبر أنماط متعددة من التصوير الطبي، وتتميز بقدرات التعلم من الصفر (zero-shot learning) وواجهة سهلة الاستخدام لتعزيز كفاءة سير العمل الإشعاعي.
يُعد MMAudioSep نموذجاً توليدياً يستفيد من نموذج تأسيسي مدرب مسبقاً لتحويل الفيديو إلى صوت لتحقيق فصل صوتي متفوق ومستند إلى استعلامات الفيديو والنصوص بكفاءة مع الحفاظ على قدراته التوليدية الأصلية.
تقدم هذه الورقة وتحلل "العملاء الدكتاتوريين" (dictator clients)، وهم فئة جديدة من المشاركين الخبيثين في التعلم الاتحادي القادرين على محو مساهمات العملاء الآخرين تماماً مع الحفاظ على مساهماتهم الخاصة، مستكشفةً تأثيرهم من خلال تحليل التقارب النظري والتقييمات التجريبية عبر سيناريوهات تعاونية وعدائية متنوعة.
تقدم هذه الورقة MM-Telco، وهي مجموعة شاملة من المعايير المرجعية متعددة الوسائط والنماذج المضبوطة بدقة والمصممة للتغلب على التحديات الخاصة بالمجال وتعزيز أداء النماذج اللغوية الكبيرة في تطبيقات الاتصالات مثل تحسين الشبكات، واستكشاف الأخطاء وإصلاحها، ودعم العملاء.
تُظهر هذه الدراسة أنه في حين أن دمج سياق الفيديو المواجه للطريق يمكن أن يحسن بشكل كبير من دقة اكتشاف التشتت لبنيات معينة مثل SlowOnly، إلا أنه قد يؤدي إلى تدهور الأداء في بنيات أخرى مثل SlowFast بسبب صراعات تمثيلية، مما يسلط الضوء على الحاجة الماسة لتصميم نماذج واعية بالدمج في بيئات القيادة الواقعية.
تقدم هذه الورقة البحثية Fetal-Gauge، وهو أول معيار مرجعي واسع النطاق للأسئلة والأجوبة البصرية يضم أكثر من 42,000 صورة و93,000 زوج من الأسئلة والأجوبة لتقييم نماذج الرؤية واللغة في الموجات فوق الصوتية للجنين، مما يكشف عن فجوات كبيرة في الأداء تسلط الضوء على الحاجة الملحة لهياكل متكيفة مع المجال لمعالة تحديات رعاية ما قبل الولادة العالمية.
تُظهر هذه الدراسة أن نموذج MedGemma مفتوح المصدر، والمُعدل باستخدام تقنية LoRA، يتفوق بشكل كبير على نموذج GPT-4 المملوك لشركة OpenAI في تصنيف الأمراض طبياً من الصور بأسلوب التعلم الصفري، محققاً دقة وحساسية أعلى مع التأكيد على الأهمية البالغة للضبط الدقيق المتخصص في المجال لضمان موثوقية الذكاء الاصطناعي السريري.
تتقصى هذه الورقة البحثية الهلوسة الناجمة عن المطالبات في نماذج الرؤية واللغة، كاشفةً أن هذه الأخطاء تنبع من رؤوس انتباه محددة تعطي الأولوية للمطالبات النصية على الأدلة البصرية، وتُثبت أن استئصال هذه الرؤوس يقلل بشكل كبير من الهلوسة دون الحاجة إلى تدريب إضافي.
تقدم هذه الورقة نموذجاً بايزياً هرمياً قابلاً للتوسع يستخدم أطر غاوسية كامنة ومعاملات متغيرة مكانياً لتحديد ندرة أنماط التآكل العرضي على نعال الأحذية بدقة، مما يعزز موثوقية تحديد الهوية الجنائية للأحذية.