13200 ورقة بحثية
تقدم هذه الورقة البحثية "تعلم الانتباه المعزز" (RAL)، وهو إطار عمل قائم على تدرج السياسة يعمل على تحسين توزيعات الانتباه الداخلية بدلاً من رموز المخرجات لتعزيز الإدراك والتجذر بشكل كبير في النماذج اللغوية الكبيرة متعددة الوسائط، متفوقاً بذلك على أساليب التعلم المعزز التقليدية وتقطير المعرفة القياسي عبر مختلف الاختبارات المرجعية.
تقدم هذه الورقة البحثية "ترتيب المفاهيم البصرية" (VCR)، وهي طريقة لتدقيق النماذج متعددة الوسائط الكبيرة في مجال الرعاية الصحية، والتي تكشف عن الاعتماد على الاختصارات البصرية الزائفة وتكشف عن تفاوتات الأداء عبر المجموعات الديموغرافية الفرعية.
تقترح الورقة البحثية نموذج (Rule-Based Spatial Mixture-of-Experts U-Net) الذي يدمج بين بوابات الخبراء المتكيفة مكانياً ورأس "تاكاغي-سوغينو-كانغ" الضبابي لتحقيق أداء رائد في كشف الحواف على معيار (BSDS500)، مع توفير قابلية تفسير حاسمة على مستوى البكسل من خلال قواعد منطقية صريحة.
تقترح هذه الورقة نظاماً قوياً للتعرف على العملة البنغلاديشية في الوقت الفعلي للمستخدمين من ذوي الإعاقة البصرية، يستخدم بنية هجينة مبتكرة من طرازي MobileNetV3-Large وEfficientNetB0 تم تدريبها على مجموعة بيانات جديدة شاملة، محققةً دقة عالية وقابلية للتفسير مع بقائها مناسبة للأجهزة ذات الموارد المحدودة.
تقدم هذه الورقة البحثية كلاً من "القلب التقريبي للمتوسط" (Proximal-Mean Inversion - PMI) و"mimic-CFG"، وهما طريقتان لا تتطلبان تدريباً تعملان على تثبيت عملية قلب التدفق المصحح (Rectified Flow inversion) من خلال تصحيح حقول السرعة عبر المتوسط التاريخي والإسقاط، مما يحسن بشكل كبير جودة إعادة البناء، ودقة التحرير، والكفاءة في اختبار PIE-Bench.
تقدم هذه الورقة دراسة لإعادة إنتاج نتائج DragDiffusion باستخدام معيار DragBench، مما يؤكد الادعاءات الجوهرية للمنهجية فيما يتعلق بالتحرير التفاعلي القائم على النقاط، مع تحديد الحساسية الحرجة لمعلمات فائقة محددة مثل الخطوة الزمنية المثلى ومستوى الميزة، وإثبات أن التحسين متعدد الخطوات الزمنية لا يقدم أي مكاسب في الدقة رغم التكاليف الحسابية الأعلى.
تقترح هذه الورقة إطار تحليل بأسلوب "فرانكشتاين" لتوضيح أن التعلم المعزز يحسن الاستدلال البصري في نماذج الرؤية واللغة ليس من خلال تعزيز الإدراك بشكل موحد، بل عبر صقل طبقات المحولات المتوسطة والمتأخرة بشكل منهجي لمواءمة الرؤية مع الاستدلال بشكل أفضل.
تقترح هذه الورقة البحثية طريقة الضبط الدقيق العدائي المدرك دلالياً (SAFT)، وهي طريقة تعزز متانة نموذج CLIP ضد الهجمات العدائية في وضع الصفر (zero-shot) من خلال توليد أمثلة عدائية مدركة دلالياً عبر مجموعة من الأوصاف النصية المنقحة بدلاً من الاعتماد على قوالب مفردة مصاغة يدوياً.
تقترح هذه الورقة إطار عمل DenseNet-121 خفيف الوزن، وقابل للتفسير، ومُحسَّن يحقق دقة فائقة (99.27%) وقابلية للتفسير عبر تقنية Grad-CAM للكشف المبكر عن أمراض أوراق العنب، متفوقاً بذلك على نماذج الشبكات العصبية التلافيفية (CNN) الأساسية مع تمكين النشر الفعال في الوقت الفعلي.
تُظهر هذه الورقة أن التمثيلات الكلية للأجسام الشبيهة بالتمثيلات البشرية، والتي تعطي الأولوية للتنبؤات الفيزيائية الفعالة على حساب الدقة المتناهية في مستوى البكسل، تظهر بشكل طبيعي في نماذج الرؤية عند مستوى متوسط من السعة والتدريب، مما يشير إلى أن "حبيبية الجسم المثالية" هذه تنشأ من قيود الموارد بدلاً من انحيازات معمارية محددة.