12766 ورقة بحثية
تُعد Unsafe2Safe عبارة عن خط معالجة مؤتمت بالكامل يتكون من مرحلتين، يستفيد من نماذج الرؤية واللغة وتحرير الانتشار الموجه بالتعليمات للكشف عن المناطق الحساسة في الصور وإعادة كتابتها، مما يعمل بفعالية على إخفاء مخاطر الخصوصية مع الحفاظ على البنية العامة والمنفعة اللاحقة لتدريب مجموعات البيانات واسعة النطاق.
يقدم ResAdapt إطار عمل تكيفي في جانب المدخلات يقوم بتخصيص ميزانيات دقة بصرية لكل إطار ديناميكيًا عبر مُخصص خفيف الوزن تم تدريبه باستخدام تحسين السياسة الواعية بالتكلفة، مما يمكّن النماذج اللغوية الكبيرة متعددة الوسائط من تحسين أداء الاستدلال بشكل كبير ودعم سياقات زمنية أطول ضمن ميزانيات حوسبة ثابتة.
تجادل هذه الورقة بأن الدقة الإجمالية هي مقياس غير كافٍ لتقييم أنظمة التعرف على الوجوه المستخدمة في إنفاذ القانون لأنها تحجب التفاوتات الديموغرافية الحرجة في معدلات الخطأ، مما يستلزم التحول نحو أطر تقييم تراعي العدالة على مستوى المجموعات الفرعية لمنع الضرر المجتمعي غير المتناسب.
يُعد AdaptToken إطار عمل لا يتطلب تدريبًا، حيث يستفيد من عدم اليقين الذاتي للنماذج اللغوية الكبيرة متعددة الوسائط (MLLM) والانتباه عبر الوسائط لتخصيص ميزانيات الرموز ديناميكيًا عبر مجموعات الفيديو وتمكين التوقف المبكر، مما يحسن بشكل كبير دقة وكفاءة فهم الفيديوهات الطويلة عبر مختلف المعايير وأحجام النماذج.
تقدم هذه الورقة البحثية "Stepwise-Flow-GRPO"، وهي طريقة للتعلم التعزيزي لنماذج مطابقة التدفق (flow-matching) تعمل على تحسين كفاءة العينات والتقارب من خلال تخصيص الائتمان لخطوات التوليد الفردية بناءً على تحسينات المكافأة بدلاً من مكافآت الصورة النهائية الموحدة، مع الاستفادة من صيغة "تويدي" (Tweedie's formula) ومعادلة تفاضلية عشوائية مستوحاة من "DDIM" لتعزيز تقدير المكافأة الوسيطة.
يقدم SOLE-R1 نموذج استدلال لغوي-بصري يعمل كإشارة مكافأة وحيدة للتعلم التعزيزي على الروبوتات من خلال توليد تقديرات تقدم كثيفة لكل خطوة زمنية عبر استدلال تسلسلي مكاني-زماني، مما يمكن الروبوتات من إتقان مهام التلاعب غير المرئية دون الحاجة إلى مكافآت حقيقية أو عروض توضيحية، مع التفوق على المقيمات اللغوية-البصرية الحالية في المتانة ومعدلات النجاح.
تقدم الورقة البحثية U-Sketch، وهو إطار عمل فعال لتحويل الرسم التخطيطي إلى صورة يستخدم متنبئ حواف كامن بنية U-Net وشبكة تبسيط للرسومات لإنتاج صور عالية الجودة ودقيقة مكانياً مع تقليل خطوات إزالة الضجيج ووقت التنفيذ بشكل كبير مقارنة بالطرق الحالية.
تقدم هذه الورقة البحثية QPT V2، وهو إطار عمل جديد للتدريب المسبق بنمذجة الصور المقنعة يوحد بين تقييم الجودة والجماليات من خلال تنسيق بيانات محددة، وإدخال عوامل التدهور، وتعديل هيكل النموذج لتحقيق أداء رائد عبر 11 معياراً من الاختبارات اللاحقة.
تقدم هذه الورقة البحثية "التنبؤ بخطوات متغيرة موجه بالمعرفة" (KG-VSF)، وهو نهج تدريب مسبق مبتكر للنماذج التأسيسية متعددة الوسائط يستفيد من العلاقات السببية بين متغيرات المحرك والمتغير المستجيب لتوليد تمثيلات (embeddings) فائقة للنماذج لمهام الاستشعار عن بعد مثل رسم خرائط المحاصيل، وتقدير رطوبة التربة، والتنبؤ بالصور مقارنة بالطرق التقليدية للتعلم الذاتي الخاضعة للإشراف.
تقترح هذه الورقة إطار عمل للكشف عن التزييف العميق يعتمد على التعلم التبايني الخاضع للإشراف، والذي يتجاوز قيود نماذج المجموعة المغلقة من خلال تحديد كل من عمليات التزييف المعروفة بفعالية، وتمييز أساليب التلاعب غير المرئية وغير المعروفة ككيانات متميزة عن الصور الحقيقية، محققاً بذلك أداءً رائداً في التعامل مع تقنيات التزييف الناشئة.