12553 ورقة بحثية
تقدم هذه الورقة البحثية PaveInstruct، وهي مجموعة بيانات واسعة النطاق تضم ما يقرب من 280,000 زوج من الصور والتعليمات، وPaveGPT، وهو نموذج تأسيسي لغوي بصري تم تدريبه عليها، والذي يتفوق بشكل كبير على النماذج الحالية في تقييم حالة الرصف من خلال تمكين فحص شامل للبنية التحتية، متوافق مع معايير ASTM، وقابل للحوار.
تقترح الورقة البحثية EditCaption، وهو مسار معالجة ما بعد التدريب يتكون من مرحلتين يجمع بين الضبط الدقيق الخاضع للإشراف وتحسين التفضيل المباشر لمعالجة أوضاع الفشل المنهجي في نماذج الرؤية واللغة، مما يؤدي إلى توليد ثلاثيات تعليمات عالية الجودة ومتوافقة مع التفضيلات البشرية تعمل على تحسين أداء تحرير الصور بشكل كبير مقارنة بالنماذج المرجعية المتطورة.
تقدم هذه الدراسة المسحية تحليلاً شاملاً ومنهجياً للكشف عن الكائنات عبر المجالات من خلال تقديم إطار عمل موحد يصنف الأساليب الحالية، ويفحص التعقيدات الفريدة لانزياح المجال في مسارات الكشف، ويراجع المعايير المرجعية، ويحدد الاتجاهات البحثية المستقبلية لتوجيه تطوير أنظمة أكثر قوة.
تقترح هذه الورقة طريقة للتخفيف من حدة الإفراط في التخصيص في إزالة الضجيج من الصور فائقة الطيف القائمة على الأولوية الصورية العميقة، وذلك عبر الجمع المشترك بين حد مطابقة البيانات من نوع السلس مع التنظيم القائم على التباعد وتحسين المدخلات، مما يحقق أداءً فائقاً على الصور الحقيقية المشوبة بالضجيج مقارنة بالأساليب المتطورة الحالية.
تقدم هذه الورقة تقييماً تجريبياً شاملاً يكشف أن نماذج الرؤية واللغة المتطورة حالياً لا تؤدي إلا بمستوى أعلى قليلاً من الصدفة العشوائية في تقييم جودة الحركة بسبب التحيزات المنهجية والقيود الجوهرية في تحليل الحركة الدقيقة، مما يشير إلى أن هناك حاجة إلى تقدم كبير قبل النشر الموثوق في العالم الحقيقي.
تقدم هذه الورقة البحثية إطار InstAP، وهو إطار للتدريب المسبق للرؤية واللغة القائم على الوعي بالنماذج (instance-aware)، والمدعوم بمجموعة بيانات InstVL واسعة النطاق، والذي يعزز بشكل كبير كلاً من الاستدلال على مستوى النموذج والفهم المكاني الزماني الشامل من خلال التحسين المشترك لمحاذاة المشهد الكلية مع أهداف التباين الدقيقة والموضحة على مستوى النموذج.
تقدم هذه الورقة PokeGym، وهو معيار مرئي وقابل للتوسع طويل الأمد ضمن لعبة العالم المفتوح ثلاثية الأبعاد Pokémon Legends: Z-A، يقيم نماذج الرؤية واللغة في مهام تجسيدية معقدة ويكشف أن التعافي من الجمود الفيزيائي، وليس التخطيط رفيع المستوى، هو العائق الأساسي، مع ملاحظة أوضاع فشل متميزة عبر قدرات النماذج المختلفة.
تقترح هذه الورقة إطار عمل MOSAIC، وهو إطار لاختيار البيانات يراعي التوسع ويعمل على تحسين مزيج بيانات التدريب من خلال تقسيم مجموعات البيانات إلى مجالات وملاءمة قوانين التوسع العصبية مع مقاييس التقييم، مما يثبت تحقيقه أداءً فائقاً في القيادة الذاتية من طرف إلى طرف باستخدام بيانات أقل بنسبة تصل إلى 80% مقارنة بالنماذج المرجعية الحالية.
تقدم الورقة البحثية SOLAR، وهو إطار عمل لضغط ما بعد التدريب غير مرتبط بنموذج محدد يستفيد من المتجهات الفردية للنموذج التأسيسي لإعادة تمثيل محولات الضبط الدقيق الفعالة للمعلمات (PEFT) في تمثيلات مدمجة وفعالة من حيث الاتصال، مما يقلل بشكل كبير من تكاليف التخزين والنقل مع الحفاظ على أداء المهام عبر المهام اللغوية والبصرية.
تكشف هذه الورقة عن التقدير المبالغ فيه للتخفي في هجمات الأبواب الخلفية الحالية لنماذج الرؤية واللغة، من خلال إثبات سهولة اكتشافها، وتقدم "فانتاسيا" (Phantasia)، وهو هجوم جديد متكيف مع السياق يعمل على مواءمة المخرجات الخبيثة ديناميكيًا مع دلالات المدخلات لتحقيق معدلات نجاح عالية مع التهرب من الدفاعات.