12944 ورقة بحثية
تقترح هذه الورقة طريقة خفيفة الوزن للتكيف عند وقت الاختبار لإكمال العمق بنمط الصفر (zero-shot)، والتي تحقق دقة وكفاءة في مستوى الحالة الراهنة من خلال تحديث فضاء فرعي لفك التشفير منخفض الأبعاد فقط، مما يتجنب التكاليف الحسابية للتحسين الكامل للشبكة أو التحسين القائم على الانتشار.
تقدم هذه الورقة البحثية مساراً معالجياً يعتمد على التعلم العميق المعتمد على الكشف والمتميز بالكفاءة الحسابية، والذي يحقق أداءً رائداً في المتانة والتعميم عبر مجموعات البيانات المختلفة في عملية تقسيم المزمار من تنظير الفيديو عالي السرعة، مما يتيح استخراج المؤشرات الحيوية السريرية الموثوقة للتمييز بين الوظيفة الصوتية السليمة والمرضية.
تقترح الورقة البحثية iGVLM، وهو إطار عمل يتغلب على عقبة التمثيل في نماذج الرؤية واللغة الكبيرة من خلال تقديم بنية ثنائية الفرع منفصلة ذات تعديل بصري موجه بالتعليمات لتمكين الاستدلال الديناميكي الواعي بالمهام مع الحفاظ على الأولويات البصرية المدربة مسبقًا.
تقدم الورقة البحثية OptiRoulette، وهو مُحسِّن ميتا عشوائي (stochastic meta-optimizer) يختار قواعد التحديث ديناميكيًا من مجموعة محددة أثناء التدريب، مما يُظهر تقاربًا أسرع بكثير ودقة اختبار أعلى عبر العديد من معايير تصنيف الصور مقارنةً بأساس AdamW القياسي.
تُعد RECAP طريقة لتصنيف الصور مستوحاة بيولوجياً، حيث تجمع بين ديناميكيات الخزان غير المدربة وقراءة نماذج نموذجية هيبية ذاتية التنظيم لتحقيق تعلم قوي خالٍ من الانتشار العكسي، قادر على التعميم على المدخلات المشوهة دون تعرض مسبق لها.
يُعد PalMR إطار عمل مبتكر يعزز من موثوقية النماذج اللغوية الكبيرة متعددة الوسائط من خلال محاذاة كل من عملية الاستدلال والنتائج عبر طبقة بيانات متوافقة مع الإدراك ومخطط دمج مكافآت هرمي، مما يقلل بشكل كبير من الهلوسة البصرية مع تحقيق أداء رائد على المقاييس الرئيسية.
تقدم الورقة البحثية إطار عمل موحد يُسمى ASMIL، يعالج ديناميكيات الانتباه غير المستقرة، والفرط في التخصيص (overfitting)، والتركيز المفرط للانتباه في التعلم متعدد الأمثلة القائم على الانتباه لصور الشرائح الكاملة، وذلك من خلال توظيف نموذج مرساة مع دالة سيجمويد طبيعية وإسقاط عشوائي للرموز (token random dropping)، مما أدى إلى تحسينات كبيرة في الأداء مقارنة بالطرق المتطورة الحالية.
تقدم الورقة البحثية HyperTokens، وهو مولد رموز يعتمد على المحولات ومعزز بمنظمات مستوحاة من الميتا (meta) وإشراف مساعد سببي لتمكين فهم مستمر وفعال للفيديو واللغة مع تقليل النسيان عبر إنتاج مطالبات ديناميكية خاصة بكل مهمة دون زيادة تكاليف الذاكرة.
تقدم هذه الورقة تحسيناً للاستدلال على مستوى النظام لنماذج "ديفيوجن ترانسفورمر" (Diffusion Transformer) لتوليد الفيديو، والذي يستخدم آلية "كوزال-روبي" (Causal-RoPE) متوازية التسلسل ودمج العمليات للتغلب على اختناقات الذاكرة وزمن الاستجابة، محققةً سرعات تقارب الزمن الحقيقي وزمن استجابة للإطار الأول يقل عن ثانية واحدة على عنقود مكون من ثماني وحدات معالجة رسومية.
تبحث هذه الورقة فيما إذا كان تهيئة الضجيج الدلالي، المعروفة بتحسين نماذج انتشار الصور، تنتقل إلى توليد النص إلى فيديو، حيث وجدت أنه بينما تظهر اتجاهاً إيجابياً طفيفاً في المقاييس الزمنية، إلا أنها لا تتفوق بشكل كبير على ضجيج غاوس القياسي بسبب الإشارات الضعيفة أو غير المستقرة في فضاء الضجيج.