12799 ورقة بحثية
تقترح هذه الورقة البحثية "التجميع الطيفي لنواة التماس العصبي" (Neural Tangent Kernel Spectral Clustering)، وهو نهج متعدد الوسائط يستفيد من نماذج الرؤية واللغة مسبقة التدريب ومن عملية تثبيت الأسماء الإيجابية لبناء مصفوفات تقارب محسنة، محققاً أداءً هو الأفضل في فئته عبر 16 معياراً متنوعاً من خلال تضخيم الروابط داخل العنقود بفعالية مع كبح الضجيج بين العناقيد.
تقدم هذه الورقة نظرية تمييز التوزيع (DDT) لتمكين الضبط الدقيق الخاضع للإشراف أثناء السياسة (On-Policy)، مقترحةً تقنيتي "الضبط الدقيق داخل التوزيع" و"فك التشفير الملمّح" اللتين تحققان أداء تعميم يتجاوز خوارزميات التعلم المعزز غير المتصل بالسياسة مثل DPO وSimPO، مع الاحتفاظ بالكفاءة الحسابية للضبط الدقيق الخاضع للإشراف (SFT).
يُعد Flow-Factory إطار عمل موحداً ونموذجيًا يعمل على تبسيط وتسريع التعلم التعزيزي لنماذج مطابقة التدفق (flow-matching) والنماذج الانتشارية (diffusion models) من خلال فصل الخوارزميات، والبنيات، والمكافآت لتمكين النمذجة الأولية السريعة والتدريب القابل للتوسع والجاهز للإنتاج عبر نماذج متنوعة.
يُعد IRIS-SLAM نظاماً جديداً للتحديد والتموضع ورسم الخرائط المتزامن (SLAM) القائم على الرؤية اللونية (RGB) والدلالات، حيث يستفيد من تمثيلات هندسية-مثالية موحدة مستمدة من نموذج تأسيسي موسع لتحقيق تحديد مواقع دلالي قوي ورسم خرائط بمتانة محسنة واتساق في الخرائط وموثوقية عالية في إغلاق الحلقة واسع النطاق.
تقترح هذه الورقة البحثية إطار عمل LESA، وهو متنبئ قابل للتعلم يعتمد على الوعي بالمراحل ويستخدم شبكات كولموغوروف-أرنولدولد وهيكلية متعددة المراحل ومتعددة الخبراء لتسريع نماذج "ديفيوجن ترانسفورمرز" (Diffusion Transformers) بشكل كبير مع الحفاظ على جودة التوليد أو تحسينها عبر مختلف نماذج تحويل النص إلى صورة والنص إلى فيديو.
يُعد MemRoPE إطار عمل لا يتطلب تدريباً يتيح توليد فيديوهات لانهائية وعالية الدقة من خلال تقديم رموز ذاكرة متطورة لضغط السياق الديناميكي وفهرسة RoPE عبر الإنترنت لحل الصراعات الموضعية، مما يتغلب بذلك على انزياح الهوية وركود الحركة المتأصلين في أساليب الانتشار ذاتية الانحدار الحالية.
تقترح هذه الورقة إطار عمل كفؤاً في استهلاك الملصقات يجمع بين التعلم المسبق ذاتي الإشراف على 1,206 حجماً من صور الأشعة المقطعية للبطن غير المصنفة وبين التعلم شبه الإشرافي لتحسين أداء الكشف والتصنيف ثلاثي الأبعاد لإصابات الحوادث بشكل كبير رغم الندرة الشديدة في البيانات.
تقدم هذه الورقة البحثية EgoPointVQA، وهي مجموعة بيانات ومعيار جديد للإجابة على الأسئلة من منظور الشخص الأول القائمة على الإيماءات، إلى جانب طريقة رموز نية اليد (HINT) التي تستفيد من النقاط المفتاحية ثلاثية الأبعاد لليد لتحسين قدرة النماذج اللغوية الكبيرة متعددة الوسائط بشكل كبير على استنتاج نية التأشير من فيديوهات منظور الشخص الأول.
تُظهر هذه الدراسة المنضبطة ضمن إطار عمل LLaVA أن الإخفاقات المستمرة في الاستدلال المكاني في نماذج الرؤية واللغة مرتبطة جوهرياً بالخيارات الهيكلية مثل المشفرات من طراز CLIP والترميز أحادي البعد، بدلاً من كونها مجرد نقص في البيانات، رغم أن تعديل هذه المكونات لا يخفف المشكلة إلا جزئياً.
تُعد AccelAes إطار عمل لا يتطلب تدريباً يعمل على تسريع نماذج محولات الانتشار (Diffusion Transformers) وتعزيز الجماليات الإدراكية عبر الاستفادة من إشارات الانتباه المستمدة من الأوامر النصية لتقليل الحسابات المكانية والزمانية الزائدة ديناميكياً أثناء توليد الصور.