13200 ورقة بحثية
تقترح هذه الورقة البحثية إطار عمل SD-RPN، وهو إطار عمل فعال وخالٍ من التوسيم يعزز الإدراك دقيق التفاصيل للنماذج اللغوية الكبيرة متعددة الوسائط عبر تدريب شبكة اقتراح مناطق خفيفة الوزن باستخدام تسميات مستعارة منزوعة الضجيج مستخلصة من خرائط الانتباه الداخلية للنموذج نفسه.
تقترح هذه الورقة إطار عمل "sideload-CL-adaptation" الذي يستخدم التعلم التبايني على بيانات غير مشروحة لتعزيز أداء كشف المركبات للنماذج خفيفة الوزن في ظروف الطقس الإسكندنافي القاسية.
تقدم هذه الورقة مجموعة بيانات مرجعية جديدة عالية الدقة للطيف المرئي والأشعة تحت الحمراء القريبة (VNIR) مستندة إلى طائرات بدون طيار، وتتميز بـ 143 نموذجاً محاكياً واقعياً للألغام الأرضية والمخلفات المتفجرة غير المنفجرة (UXO) في حالات دفن مختلفة لدعم الأبحاث القابلة للتكرار في مجال الكشف الآلي.
تقدم هذه الورقة البحثية **VideoBiasEval**، وهو إطار تشخيصي يكشف كيف يؤدي ضبط المحاذاة —بينما يحسن جودة الفيديو— إلى تضخيم وتثبيت التحيزات الاجتماعية عن غير قصد من خلال نقل الصور النمطية من مجموعات بيانات التفضيلات البشرية عبر نماذج المكافأة إلى نماذج انتشار الفيديو.
يُعد H2OFlow إطار عمل مبتكر يتعلم الإمكانيات الوظيفية الشاملة للتفاعل بين الإنسان والأشياء ثلاثية الأبعاد —بما في ذلك التلامس، والتوجه، والاشغال الفراغي— وذلك عبر استخدام عملية انتشار كثيفة على السحب النقطية لاستخراج أنماط تفاعل غنية من بيانات اصطناعية ناتجة عن نماذج توليدية ثلاثية الأبعاد، مما يلغي الحاجة إلى التوصيفات اليدوية.
تقدم هذه الورقة البحثية WaymoQA، وهي مجموعة بيانات للأسئلة والأجوبة المرئية متعددة الرؤى المصممة لتعزيز قدرات الاستنتاج المتعلقة بالسلامة الحرجة في النماذج اللغوية الكبيرة متعددة الوسائط في القيادة الذاتية من خلال معالجة السيناريوهات المعقدة حيث يمكن أن يؤدي حل المخاطر المباشرة إلى خلق مخاطر جديدة لاحقة.
تقترح الورقة البحثية **ضغط الرموز المتدفق (STC)**، وهو إطار عمل هرمي جاهز للاستخدام يعمل على تسريع نماذج الفيديو اللغوية الكبيرة (VideoLLMs) المتدفقة عبر استخدام آلية تخزين مؤقت لتقليل عبء ترميز محول الرؤية (Vision Transformer)، وآلية تقليم لضغط تسلسلات الرموز البصرية قبل مرحلة التعبئة المسبقة للنموذج اللغوي الكبير (LLM).
تقدم هذه الورقة البحثية **CityNav**، وهو معيار جديد لتقييم قدرة النماذج اللغوية الكبيرة متعددة الوسائط (MLLMs) على إجراء ملاحة حضرية في العالم الحقيقي تعتمد على المعرفة من خلال الإشارات البصرية وحدها، وتقترح **التعبير اللفظي عن المسار (VoP)** لتحسين الأداء عبر حث النماذج على استخدام خرائطها الإدراكية الداخلية بشكل صريح.
تُعد NOVA إطار عمل للمحاذاة بين الرؤية واللغة غير تبايني، وهي تبسط التدريب المسبق متعدد الوسائط من خلال التنبؤ بتضمينات النصوص من مشاهد الصور المعززة مع استخدام تقنية تنظيم متخصصة لضمان تعلم مستقر وفعال وكفء في التعامل مع المعلمات الفائقة دون الحاجة إلى أخذ العينات السلبية.
يُعد SAIL إطار عمل مبتكر يُمكّن نماذج الانتشار من تحقيق محاذاة فعالة مع التفضيلات البشرية باستخدام حد أدنى من التغذية الراجعة، وذلك عبر التحسين الذاتي المتكرر من خلال عملية مغلقة الحلقة من التصنيف الذاتي ومزج التفضيلات المرتبة.