13271 ورقة بحثية
تقترح الورقة البحثية SLAM-AGS، وهو إطار عمل للتدريب المسبق متعدد المهام واعٍ بملصقات الشريحة، يستخدم جراحة التدرج التكيفية لحل تضارب تدرجات المهام وتثبيت التعلم، مما يحسن بشكل كبير التنبؤ على مستوى الحقيبة واسترجاع الخلايا غير الطبيعية في علم الخلايا الحسابي، لا سيما في ظل ظروف معدلات الشهود المنخفضة والملصقات غير الموثوقة على مستوى العينة.
تقترح هذه الورقة إطار عمل جديد للتعلم ذاتي الإيقاع للكشف الآلي عن الأجسام المضادة للنواة (ANA)، والذي يعالج تحديات تعدد الحالات وتعدد الملصقات في صور المجهر غير المعدلة من خلال دمج عينة الحالات، وموزع الملصقات الوهمية الاحتمالي، وتعلم الأوزان التكيفي، محققاً أداءً هو الأفضل في مجاله على معايير ANA والمعايير الطبية العامة.
تقدم هذه الورقة SPOT، وهو وكيل يعتمد على النماذج اللغوية الكبيرة (LLM) وموجه بالخرائط، يستخدم بيانات الطرق المكانية وديناميكيات المركبات للتنبؤ بمسارات المركبات عبر النقاط العمياء لتعدد كاميرات المراقبة (CCTV) دون تدريب مسبق، مما يحافظ على التتبع المستمر ويقلل من تبديل الهوية بشكل أكثر فعالية من الطرق الحالية.
تتقصى هذه الورقة سلوكيات التوسع لنماذج التأسيس الخاصة بالاستشعار عن بُعد والمدربة على أكثر من كوادريليون بكسل من بيانات الأقمار الصناعية، كاشفةً أن الأداء يظل محدوداً بالبيانات وليس بمعلمات النموذج، ومقدمةً رؤى عملية لتحسين تطوير الذكاء الاصطناًعي واسع النطاق لمراقبة الأرض في المستقبل.
تقترح هذه الورقة البحثية تعلم تعزيزي منفصل التنسيق (FD-RL)، وهو نهج مبتكر يستفيد من تصفية البيانات القائمة على الإنتروبيا والمكافآت الخاصة بالتنسيق لمعالجة عدم اليقين العالي في المخرجات عند التعرف الضوئي على الحروف (OCR) للمستندات المعقدة، محققاً درجة قياسية جديدة بلغت 90.41 في اختبار OmniDocBench.
يُعد ForensicFormer إطار عمل هرمي متعدد المقاييس يوحد بين كشف الآثار منخفض المستوى، وتحليل الحدود متوسط المستوى، والاستدلال الدلالي عالي المستوى عبر محولات الانتباه المتقاطع لتحقيق أداء رائد في كشف وتحديد مواقع التزوير عبر المجالات المختلفة عبر تقنيات التلاعب ومستويات الضغط المتنوعة.
تقترح هذه الورقة إطار عمل للتحسين المقيد بالمتشعب (DLRT) لضغط النماذج التأسيسية الجيومكانية الضخمة القائمة على محولات الرؤية أثناء التعلم بنقل المعرفة، مما يحقق تقليلاً كبيراً في عدد المعلمات مع حد أدنى من فقدان الدقة، مع التفوق على الطرق منخفضة الرتبة القياسية مثل LoRA من أجل النشر الفعال على الحافة.
تتقصى هذه الدراسة كيف تؤثر تبعيات التردد المكاني للإشارات والخلفيات في صور تصوير الثدي الرقمي ثلاثي الأبعاد على آليات الانتباه البصري، كاشفةً أن أداء الكشف مقيد بإخفاقات اتخاذ القرار، وأن أنماط التثبيت تختلف بشكل كبير بناءً على التفاعل بين مورفولوجيا الآفة والضجيج التشريحي.
يُعد POWDR إطار عمل للتوسيع الخارجي (outpainting) يحافظ على المظاهر المرضية لصور الرنين المغناطيسي ثلاثية الأبعاد، حيث يستخدم نموذج انتشار موجي (wavelet diffusion model) مشروطاً مع تدريب باستخدام أقنعة متصلة عشوائية لتوليد بيانات اصطناعية متنوعة ومعقولة تشريحياً دون اختلاق آفات، مما يعالج بفعالية عدم توازن الفئات ويحسن أداء التجزئة في المهام اللاحقة.
تقترح هذه الورقة WEFT، وهو نموذج ضبط دقيق جديد يعتمد على خبير الموجات المويجية الديناميكية (dynamic wavelet expert-guided fine-tuning) يعمل على تكييف النماذج التأسيسية واسعة النطاق بكفاءة لمهام تقسيم الأجسام في الاستشعار عن بعد البصري باستخدام عدد أقل من المعلمات القابلة للتدريب، محققاً أداءً هو الأفضل في فئته عبر مجموعات بيانات وسيناريوهات متعددة مع التغلب على القيود الحسابية لعملية الضبط الدقيق لكامل المعلمات.