13202 ورقة بحثية
تقترح الورقة البحثية "Context Forcing" (فرض السياق)، وهو إطار عمل مبتكر يعالج عدم التوافق بين الطالب والمعلم في توليد الفيديو الطويل من خلال توظيف معلم ذي سياق طويل وبنية ذاكرة "Slow-Fast" لتمكين توليد فيديو متسق وفي الوقت الفعلي بسياقات تتجاوز 20 ثانية.
تقترح الورقة البحثية "Share"، وهي طريقة جديدة للتعلم المستمر ذات كفاءة في المعلمات، تعمل على تحديث فضاء فرعي مشترك منخفض الرتبة ديناميكيًا لدمج المعرفة من مهام وأنماط متنوعة دون إعادة تشغيل البيانات أو استخدام محولات متعددة، مما يحقق تخفيضات كبيرة في الذاكرة والمعلمات مع منع النسيان الكارثي.
تقدم هذه الدراسة المراجعة الشاملة الأولى لطرق التعلم العميق للتعلم متعدد الوسائط مع فقدان أحد الأنماط (MLMM)، حيث تفصل دوافعه، واختلافاته عن الإعدادات القياسية، والتقنيات الحالية، والتطبيقات، ومجموعات البيانات، والتحديات المستقبلية.
تقدم هذه الورقة البحثية النموذج الجديد للتدريب من "المتفرق إلى المتفرق" (sparse-to-sparse) لنماذج الانتشار، مبرهنةً أن تدريب النسخ المتفرقة من الصفر يمكن أن يضاهي أو يتجاوز أداء النظراء الكثاف مع تقليل التكاليف الحسابية بشكل كبير في كل من التدريب والاستدلال.
تقدم هذه الورقة البحثية LoVR، وهو معيار مرجعي واسع النطاق لاسترجاع الفيديو والنص الطويل يتميز بأكثر من 40,000 مقطع دقيق وتسميات توضيحية عالية الجودة تم إنشاؤها عبر مسار تحسين مبتكر قائم على نماذج الرؤية واللغة الكبيرة (VLM)، والمصمم للتغلب على قيود مجموعات البيانات الحالية وتقييم نماذج الاسترجاع متعددة الوسائط المتقدمة بدقة.
تُثبت هذه الورقة أن تكييف النماذج التأسيسية عبر التكيف منخفض الرتبة (LoRA) يتفوق بشكل كبير على الاختبار الخطي القياسي ويقترب من النماذج المرجعية للبيانات الكاملة في تصنيف الأشكال الانقسامية، مما يوفر أداءً فائقاً مع البيانات المحدودة وقوة تعزيزية عبر نطاقات الأورام غير المرئية.
تقدم هذه الورقة FacadeTrack، وهو إطار عمل موجّه لغوياً يستفيد من صور عرض الشارع لتقييم إشغال المباني بعد الكوارث بدقة عالية وقابلية للتفسير، متفوقاً على الطرق المرجعية من خلال الفصل بين الإدراك والاستنتاج التحفظي لدعم التخصيص العادل لموارد الطوارئ.
تقدم الورقة البحثية "Behavior Judge" (BJudge)، وهو إطار عمل يعمل على تحسين موثوقية وكلاء استخدام الكمبيوتر من خلال تقييم واختيار أفضل النتائج من بين عدة عمليات تنفيذ باستخدام السرد السلوكي، محققاً أداءً هو الأفضل في فئته على منصة OSWorld بما يتجاوز القدرات البشرية.
يُعد HAVIR نموذجاً مبتكراً لإعادة بناء الصور من نشاط الدماغ، حيث يستفيد من نظرية القشرة البصرية الهرمية لاستخراج الميزات الهيكلية والدلالية بشكل منفصل من النشاط العصبي، ودمجهما عبر نموذج الانتشار متعدد القدرات الموجه بـ CLIP لتحقيق استرداد فائق للصور في المشاهد المعقدة مقارنة بالأساليب الحالية.
تقترح هذه الورقة إطار عمل لنقل المعرفة التكيفي يتميز ببنية "الطالب المزدوج التبدلي" واستراتيجية "المتوسط المتحرك الأسي المدرك للخسارة"، للتغلب على تعزيز الخطأ ونقل المعرفة غير الموثوق، مما يحقق أداءً هو الأفضل في حالته في تقسيم الصور الطبية ثلاثية الأبعاد شبه الموجهة.