12582 ورقة بحثية
تقترح هذه الورقة وتتحقق من صحة مجموعة من التقنيات التي تمكن مصنفات آلة التعلم الأقصى من إجراء التصنيف في وقت الاختبار باستخدام العمليات الصحيحة فقط، مما يقلل بشكل كبير من التكاليف الحسابية واستهلاك الطاقة لتطبيقات الأنظمة المدمجة ومراكز البيانات دون المساس بالدقة.
تقترح الورقة البحثية NAIMA، وهي بنية لزيادة دقة العمق الموجهة والواعية بالدلالات، والتي تستفيد من وحدة انتباه التوكن الموجه لاستخلاص الأولويات الدلالية العالمية من تضمينات محولات الرؤية (DINOv2) سابقة التدريب، مما يقلل بفعالية من العيوب الناجمة عن صور RGB ويحسن دقة حدود العمق عبر مختلف مجموعات البيانات وعوامل القياس.
تكشف هذه الورقة عن فجوة كبيرة بين التمثيلات الداخلية والاستجابات المولدة لنماذج اللغات والرؤية الكبيرة في مهام فهم المستندات المرئية، مما يوضح أن المعلومات ذات الصلة بالمهمة غالبًا ما تكون أكثر سهولة في الوصول إليها في الطبقات المتوسطة، وأن الضبط الدقيق لهذه الطبقات يقلص هذه الفجوة بفعالية مع تحسين الأداء العام.
تقدم هذه الورقة البحثية BoxComm، وهي أول مجموعة بيانات ومعيار واسع النطاق لتوليد التعليق الرياضي على الملاكمة يتميز بتصنيف مبتكر وتقييمات للمحتوى المدرك للفئة وإيقاع السرد، مما يكشف عن قصور النماذج متعددة الوسائط الحالية في التعامل مع الطبيعة السريعة والدقيقة والتكتيكية للرياضات القتالية.
يُعد Saliency-R1 إطار عمل يعزز قابلية التفسير والأمانة في نماذج الرؤية واللغة من خلال توظيف تقنية خريطة بروز مبتكرة وتحسين السياسة النسبية للمجموعات (GRPO) لمواءمة عمليات الاستدلال مع المناطق البصرية الحرجة، مما يقلل الاعتماد على الإشارات النصية والاستجابات غير المستندة إلى أسس بصرية.
تعد StableTTA طريقة للتكيف في وقت الاختبار بدون تدريب، وهي تعالج صراعات التجميع لتعزيز دقة النموذج بشكل كبير على ImageNet-1K، مما يمكّن البنى خفيفة الوزن من التفوق على نماذج Vision Transformers بتكاليف حوسبة أقل بكثير.
تقدم هذه الورقة إطار عمل TILA، الذي يستفيد من الانعكاس الزمني كإشارة إشرافية لتعزيز قدرة نماذج الرؤية واللغة على اكتشاف ومحاذاة التغيرات في الفترات الاتجاهية في صور الأشعة السينية للصدر، مما يؤدي إلى تحسين أداء تصنيف التطور والاسترجاع.
تقدم هذه الورقة إطار عمل موحداً يعتمد على التعلم الصفري (zero-shot) لرسم خرائط الطرق الوعرة، والذي يستفيد من نموذج SAM2 للتقطيع (segmentation) ونموذج رؤية-لغة للاستدلال حول المناطق القابلة للقيادة باستخدام التلميحات البصرية، مما يلغي الحاجة إلى نماذج تضاريس منفصلة ومخصصة لمهام معينة مع تحقيق أداء يضاهي أحدث ما توصل إليه العلم والملاحة كاملة الحزمة.
تقيم هذه الورقة البحثية بشكل منهجي عملية "النسيان اللاحق" (post-hoc unlearning) في نماذج الانتشار من النص إلى الصورة، وتكشف عن مقايضة حرجة حيث يؤدي الإزالة الفعالة للمفاهيم غير المرغوب فيها، مثل العري، في كثير من الأحيان إلى تقويض قدرات النموذج في التوليد التركيبي الأوسع مثل ربط الصفات والاستدلال المكاني.
تقدم هذه الورقة تقنية LP-GEMM، التي تلغي عمليات تعبئة وتفريغ البيانات الفائضة في عمليات ضرب المصفوفات المتتالية من خلال نشر تخطيطات الذاكرة عبر العمليات، محققةً تسريعاً كبيراً على بنيات x86 وRISC-V مع الحفاظ على الصحة الدلالية الكاملة لمعايير BLAS.