12944 ورقة بحثية
تقترح هذه الورقة إطار عمل جديداً للتعلم بنقل المعرفة يتكون من خطوتين ويستخدم التحسين ثنائي المستوى لتدريب مستخلص ميزات عالمي ومكيف نطاق خاص بمهمة محددة، مما يتيح إعادة بناء صور عالية الجودة في سيناريوهات ندرة البيانات من خلال الاستفادة الفعالة من البيانات المتنوعة عبر المجالات المختلفة.
يُعد SoundWeaver نظام تقديم لا يتطلب تدريباً ومستقلاً عن النماذج، يعمل على تسريع عملية الانتشار من النص إلى الصوت عبر البدء المسبق للتوليد من صوت مخزن مؤقتاً ومتشابه دلالياً، مما يحقق خفضاً في زمن الاستجابة بنسبة تتراوح بين 1.8 و3.0 أضعاف مع الحفاظ على الجودة الإدراكية.
تقدم هذه الورقة البحثية VLM-SubtleBench، وهو معيار شامل يمتد عبر عشرة أنواع من الفروق الدقيقة عبر مجالات متنوعة مثل الصور الصناعية والطبية والجوية، لتقييم وكشف الفجوات الكبيرة في الأداء بين النماذج الرؤية واللغوية الحالية والبشر في مهام الاستدلال المقارن الدقيقة.
تقترح هذه الورقة نموذج "الانتشار الواعي بالبنية والتقدم" (SPAD)، وهو إطار عمل مبتكر لتقسيم الصور الطبية يستخدم مجدولاً واعياً بالتقدم لتوجيه نموذج تعلم من الخشن إلى الناعم، مستفيداً من وحدات انتشار مركزة دلالياً ومركزة عند الحدود لموازنة فهم البنية التشريحية المستقرة مع تنقية حدود الأهداف الغامضة بفعالية.
تقترح هذه الورقة استخدام تقسيم الصور كإطار تشخيص بصري للألعاب اللذذية، موضحةً كيف تؤثر معاملات التجزئة على هياكل توازن التحالف وقدرتها على استعادة الحقيقة الأرضية للمقدمة في معيار "ويزمان".
تقترح هذه الورقة إطاراً بايزياً موجهاً بالمفاهيم للتعرف على الصور بنمط "الصفر من الأمثلة"، والذي يعزز نماذج الرؤية واللغة عبر معاملة المفاهيم الخاصة بكل فئة كمتغيرات كامنة، مستخدماً مسار توليد مدفوعاً بنماذج اللغات الكبيرة مع فرض التنوع، بالإضافة إلى احتمالية "التقليم الناعم" التكيفية والخالية من التدريب لتحقيق أداء متفوق على طرق التلقين الاستدلالية.
تقترح هذه الورقة إطار عمل للدمج قائم على فك الامتزاج يعمل على فصل المعلومات المكانية الطيفية، ويستخدم وحدة تجميع مرنة من الخشن إلى الناعم للتخفيف بفعالية من أخطاء التسجيل وتحقيق أداء هو الأفضل في حالته في مجال التراكب الفائق للصور فائقة الطيف غير المسجلة.
تقيم هذه الدراسة فعالية نماذج الرؤية واللغة والنماذج اللغوية الكبيرة في تحويل مخططات الأوتوماتا المرسومة يدويًا من قبل الطلاب والممسوحة ضوئيًا إلى كود TikZ، حيث وجدت أنه بينما غالبًا ما يؤدي التوليد المباشر من الصورة إلى النص إلى حدوث أخطاء، فإن الأوصاف المصححة بشريًا تزيد بشكل كبير من دقة المخططات الرقمية الناتجة للتطبيقات التعليمية مثل التصحيح التلقائي.
تقدم هذه الورقة البحثية EcoG-Bench، وهو معيار ثنائي اللغة صارم لعملية الربط بين الكلام والمنظور الشخصي (egocentric co-speech grounding)، والذي يكشف عن فجوة أداء كبيرة بين البشر والنماذج اللغوية الكبيرة متعددة الوسائط (MLLMs) المتطورة، مما يسلط الضوء على كيف أن قيود الواجهة متعددة الوسائط، وليس عجز الاستدلال، هي ما يعيق محاذاة الكلام مع إيماءات التأشير في التعاون الموقفي.
يُعد AutoTraces نموذجاً جديداً للتنبؤ بالمسارات الرؤية-اللغوية ذاتي الانحدار، يستفيد من النماذج اللغوية الكبيرة متعددة الوسائط مع مخطط متخصص لترميز المسارات واستدلال تسلسلي تلقائي (chain-of-thought) لتحقيق أداء فائق في التنبؤ بمسارات الروبوت طويلة المدى في البيئات المأهولة بالبشر.