12592 ورقة بحثية
تُعد "فيرو" (Vero) عائلة مفتوحة بالكامل من نماذج الرؤية واللغة التي تحقق أداءً رائدًا في مجال الاستدلال البصري العام من خلال توسيع نطاق التعلم التعزيزي عبر 600 ألف عينة متنوعة ومكافآت موجهة للمهام، مما يثبت أن التغطية الواسعة للبيانات هي المحرك الأساسي للنجاح دون الاعتماد على بيانات أو أنماط تفكير مملوكة لجهات خاصة.
تكشف هذه الورقة أن نماذج الانتشار المدربة مسبقاً تمتلك بطبيعتها قدرات ترميم يمكن إطلاقها من خلال تدريب تضمينات النصوص (prompt embeddings) ضمن صياغة جسر الانتشار (diffusion bridge) لمواءمة ديناميكيات التدريب والاستدلال، مما يحقق ترميماً عالي الأداء وشاملاً (all-in-one) دون الحاجة إلى ضبط دقيق أو وحدات تحكم متخصصة.
تقدم هذه الورقة عائلة دوال التنشيط Swish-T، التي تعزز دالة Swish الأصلية من خلال دمج انحياز التان هانت (Tanh) لإنشاء منحنيات أكثر سلاسة وغير رتيبة تُحسن تجريبيًا أداء الشبكات العصبية عبر مختلف النماذج ومجموعات البيانات المرجعية.
تقدم هذه الورقة البحثية ForgeryGPT، وهو إطار عمل جديد للنماذج اللغوية الكبيرة متعددة الوسائط يعزز كشف تزييف الصور وتحديد مواقعه من خلال دمج مستخرج تزييف مدرك للقناع (Mask-Aware Forgery Extractor) لالتقاط الارتباطات الجنائية عالية الرتبة وتمكين التحليل القابل للتفسير على مستوى البكسل عبر استراتيجية تدريب متخصصة مكونة من ثلاث مراحل.
تُظهر هذه الدراسة أن النماذج التأسيسية التي تم ضبطها بدقة يمكنها تحويل صور الرنين المغناطيسي الروتينية للجهاز العضلي الهيكلي إلى مؤشرات حيوية كمية معيارية وموثوقة، تعمل في الوقت ذاته على تحسين سير العمل السريري من خلال الفرز التلقائي وتتيح التنبؤ الدقيق طويل الأمد بمخاطر استبدال الركبة وفصال العظام.
تقترح الورقة البحثية "gen2seg"، وهي طريقة تعيد توظيف النماذج التوليدية مسبقة التدريب مثل Stable Diffusion وMAE من أجل تقسيم مثالي مستقل عن الفئة عبر ضبطها بدقة باستخدام فقد تلوين المثيل على مجموعة بيانات ضيقة، محققةً تعميماً قوياً لصفر من المعرفة (zero-shot) يضاهي أو يتفوق على النماذج الخاضعة للإشراف المكثف مثل SAM في أنواع الكائنات غير المرئية والحدود الغامضة.
تقدم الورقة البحثية Diff-UMamba، وهي بنية مبتكرة تجمع بين UNet وMamba مع وحدة لتقليل الضوضاء تعتمد على تفاضل الإشارة لتعزيز دقة ومتانة تقسيم الأورام في سيناريوهات التصوير الطبي شحيحة البيانات.
تقدم هذه الورقة SmartCLIP، وهو إطار عمل معياري مبتكر قائم على ضمانات نظرية يعمل بفعالية على فك تشابك التمثيلات المرئية ومواءمتها مع المفاهيم النصية بمستويات متفاوتة من الدقة للتغلب على مشكلات عدم توافق المعلومات وتشابكها المتأصلة في نماذج CLIP القياسية.
تقدم هذه الورقة إطار عمل للتعلم العميق يعتمد على بنية U-Net قوية، مدمجاً مع مسار تحليل هندسي لتوصيف تطور أنماط الخطوط المتاهية المغناطيسية في أغشية Bi:YIG كمياً، مما يكشف عن أنماط انتقال هيكلية متميزة مرتبطة بقطبية المجال أثناء التخمير المغناطيسي.
تقترح هذه الورقة إطار عمل جديد للكشف عن الأجسام ثلاثية الأبعاد بنظام التعلم شبه المُشرف، والذي يستخدم وحدة تسمية مستعارة قابلة للتعلم لاختيار التسميات المستعارة عالية الجودة بشكل تكيفي عبر دمج الدرجات وتحديد عتبات مدركة للسياق، مما يتغلب على قيود طرق العتبة اليدوية أو الثابتة.