12553 ورقة بحثية
تقترح هذه الورقة إطار عمل LoFT، وهو إطار لضبط النماذج الدقيق بكفاءة في المعلمات عبر الاستفادة من النماذج التأسيسية لتحسين التعميم والمتانة نظرياً في التعلم شبه الموجه طويل الذيل، مع امتداد (LoFT-OW) مصمم خصيصاً للتعامل مع عينات خارج التوزيع في سيناريوهات العالم المفتوح.
يُعد MedGS إطار عمل جديد لإعادة البناء ثلاثي الأبعاد يعزز تقنية "Gaussian Splatting" بنموذج فيزيائي قابل لإعادة الإضاءة لفصل تأثيرات الضوء عن خصائص الأنسجة، مما يحقق تفوقاً في تقليل العيوب، والتعميم، والتفاعل الواقعي مع الأنسجة في التصوير الطبي التنظيري.
تقدم هذه الورقة Neural-MedBench، وهو معيار مرجعي مدمج وكثيف الاستدلال في مجال طب الأعصاب، يكشف عن أوجه القصور في النماذج اللغوية البصرية الحالية في سياق الاستدلال السريري عالي المخاطر، ويدعو إلى إطار تقييم ثنائي المحور يجمع بين التعميم الإحصائي ودقة الاستدلال الموجهة نحو العمق.
تقدم هذه الورقة XModBench، وهو معيار ثلاثي الأنماط واسع النطاق مصمم لتقييم الاتساق عبر الأنماط في النماذج اللغوية الشاملة، والذي يكشف أن حتى النماذج المتطورة مثل Gemini 2.5 Pro تعاني من صعوبات في الاستدلال غير المرتبط بالنمط، وتظهر تفاوتات كبيرة في الأداء عبر الأنماط، وتُظهر اختلالات اتجاهية منهجية.
تقترح هذه الورقة إطار عمل قويًا للعلامات المائية باستخدام الشبكات العصبية العميقة، يقوم بدمج علامات مائية ثنائية في القيم المفردة لسحب النقاط ثلاثية الأبعاد ويستخدم بنية PointNet++ لاستخراج معلومات الملكية بشكل موثوق حتى في ظل الهجمات الهندسية وغير الهندسية الشديدة، مما يتفوق بشكل كبير على الطرق التقليدية القائمة على تحليل القيم المفردة (SVD).
تقدم الورقة البحثية إطار عمل CroVCA، وهو إطار عمل بسيط وفعال لتعلم الرموز الثنائية المدمجة عبر محاذاة الرموز عبر الرؤى وتعظيم معدل الترميز، والذي يحقق أداءً هو الأفضل في فئته في استرجاع الصور واسع النطاق مع حد أدنى من وقت التدريب والتكلفة الحسابية.
يُعد SING3R-SLAM إطار عمل للملاحة ورسم الخرائط المتزامن (SLAM) أحادي العدسة يتسم بالاتساق العالمي، حيث يستخدم خريطة غاوس عالمية مستمرة ومحاذاة على مستوى الخرائط الفرعية للتغلب على الانجراف وعدم اتساق المقياس، محققاً أداءً رائدًا في تقدير الوضعية، وإعادة البناء ثلاثي الأبعاد، وتوليد المشاهد من زوايا جديدة.
تقترح الورقة البحثية ATAC، وهي استراتيجية دفاع وقت الاختبار فعالة حاسبياً تعزز متانة نموذج CLIP ضد الاضطرابات العدائية عن طريق تصحيح انزياحات التضمين في الفضاء الكامن باستخدام نواقل مستحثة بالتعزيز، محققةً أداءً هو الأفضل في فئته مع حد أدنى من العبء الإضافي.
يقدم ActDistill إطار عمل عام للتقطير ذاتي الاشتقاق الموجه بالأفعال، والذي يستفيد من الأولويات الحركية ومعلم ذي بنية رسومية لتدريب نماذج رؤية-لغة-فعل خفيفة الوزن باستخدام التوجيه الديناميكي، محققاً أداءً يضاهي النماذج كاملة النطاق مع تقليل الحوسبة بنسبة تزيد عن 50% وخفض زمن انتقال الاستدلال بشكل كبير.
للتغلب على ندرة البيانات الواقعية المشروحة لتقسيم الوظائف ثلاثية الأبعاد، يقترح المؤلفون SynthFun3D، وهو طريقة تولد تلقائيًا بيانات تدريب اصطناعية دقيقة من أوصاف الأفعال عبر تجميع مشاهد ثلاثية الأبعاد مع تعليقات توضيحية على مستوى الأجزاء، مما يعزز أداء النموذج بشكل كبير عند دمجه مع البيانات الواقعية.