arXiv:2608.26095ترجمه شده

چارچوب بصری آگاهی وابستگی‌محور برای یادگیری مداوم چندحالته بدون نظارت پس از آموزش

Kaichen Li، Zhilin Zhu، Jianhao Huang، Zhengqin Lai، Baochen Xiong، Zibo Shao، Yaguang Song، Linhui Xiao، Xiaoshan Yang، Changsheng Xu

چکیده

در این مقاله، ما به بررسی یک وظیفه نوین به نام یادگیری ماشین چندمدلۀ بدون نظارت و پیوسته پس از آموزش (MU-CPT) می‌پردازیم که به مدل‌های MLLM امکان می‌دهد به طور مداوم از داده‌های بدون برچسب جریان‌دار تکامل یابند. روش‌های موجود یادگیری بدون نظارت پس از آموزش برای MLLMها معمولاً توکن‌های هدف را به طور یکنواخت بهینه‌سازی می‌کنند و به وابستگی بصری متغیر (VD) آن‌ها توجه نمی‌کنند. با این حال، ما نشان می‌دهیم که وابستگی بصری در سطح توکن برای MU-CPT بسیار مهم است. به طور خاص، تحریف ساختاری آن به عنوان شاخصی برای فراموشی فاجعه‌بار بین مدال‌ها عمل می‌کند و ناهمگونی ذاتی آن به عنوان راهنمایی برای یادگیری وظیفه جدید عمل می‌کند. با استفاده از این ویژگی، ما یک چارچوب آگاه به وابستگی بصری (VDA) با دو جزء اصلی پیشنهاد می‌کنیم. اول، انتقال بهینه با محدودیت بصری (VC-OT) تحریف ساختاری وابستگی بصری وظیفه قدیمی را در طول یادگیری وظیفه جدید به عنوان یک مسئله انتقال بهینه فرمول‌بندی می‌کند تا فراموشی بین مدال‌ها را کاهش دهد. با طراحی هزینه پایه آگاه به منطقه و جریمه انتقال طبقه‌بندی‌شده بر اساس وابستگی، از جابجایی‌های جهانی در تمرکز بصری جلوگیری می‌شود و در عین حال از تبدیل وابستگی بصری به پیش‌داوری زبانی به طور کامل جلوگیری می‌شود. دوم، سازگاری تحت تأثیر بصری (VMA) از ناهمگونی وابستگی بصری برای تأکید بر یادگیری وظیفه جدید مبتنی بر بصری استفاده می‌کند و پلاستیسیته وظیفه جدید را افزایش می‌دهد. در مجموع، روش ما در طول MU-CPT چالش‌برانگیز، هم ثبات وظیفه قدیمی و هم پلاستیسیته وظیفه جدید را به طور همزمان حفظ می‌کند. آزمایش‌های گسترده در تنظیمات MU-CPT ما، کارایی VDA را تأیید می‌کنند.

متن کامل

We need to improve Persian translation for flow, readability, natural structure, consistency, correct errors. Keep technical terms unchanged, section structure unchanged, citations unchanged. We need to rewrite the abstract and maybe other parts? The prompt says "Improve the following Persian translation for: 1. Better flow and readability 2. More natural Persian sentence structure 3. Consistency in terminology 4. Correct any translation errors". So we need to output improved Persian text only, no explanations. Likely the whole text (title, authors, abstract, etc.) should be improved. But keep technical terms unchanged, section structure unchanged, citations unchanged. So we need to rewrite the Persian translation while preserving structure (like title line, authors line, etc.) but improve language. Let's examine the current Persian text: "عنوان: چارچوبی آگاه از وابستگی بصری برای آموزش پس‌ازآموز چندرسانه‌ای غیر نظارت شده و پیوسته (MU-CPT)" This seems okay but maybe "آموز" should be "آموزش". Also "پیوسته" maybe "پیوسته" is okay. Could be "آموزش پس‌ازآموز" maybe "آموزش پس‌ازآموز" unnatural; better "آموزش پس‌ازآموز" maybe "آموزش پس‌ازآموز" is okay but maybe "آموزش پس‌ازآموز" should be "آموزش پس‌ازآموز" (typo). Actually "آموزش پس‌ازآموز" maybe "آموزش پس‌ازآموز" means "post‑training". Should be "آموزش پس‌ازآموز" (post‑training) maybe "آموزش پس‌ازآموز" is okay. But maybe "آموزش پس‌ازآموز" is redundant; better "آموزش پس‌ازآموز" -> "آموزش پس‌ازآموز" maybe "آموزش پس‌ازآموز" is fine. "نویسندگان: Kaichen Li, Zhilin Zhu, Jianhao Huang, Zhengqin Lai, Baochen Xiong, Zibo Shao, Yaguang Song, Linhui Xiao, Xiaoshan Yang, Changsheng Xu" fine. "نمایش PDF مقاله با عنوان «چارچوبی آگاه از وابستگی بصری برای آموزش پس‌ازآموز چندرسانه‌ای غیر نظارت شده و پیوسته» توسط Kaichen Li و ۹ نویسندهٔ دیگر" maybe "نمایش PDF مقاله با عنوان «چارچوبی آگاه از وابستگی بصری برای آموزش پس‌ازآموز چندرسانه‌ای غیر‌نظارت شده و پیوسته» توسط Kaichen Li و ۹ نویسندهٔ دیگر". Also "غیر نظارت شده" should be "غیر‌نظارت". Also "پیوسته" maybe "پیوسته" is okay. "نمایش PDF HTML (آزمایشی)" maybe "نمایش PDF HTML (آزمایشی)" okay. "چکیده: در این مقاله، وظیفه جدیدی به نام آموزش پس‌ازآموز چندرسانه‌ای غیر نظارت شده و پیوسته (MU-CPT) را بررسی می‌کنیم که MLLMs مستقر شده را قادر می‌سازد تا از داده‌های غیر برچسب‌دار جریان‌دار به صورت پیوسته تکامل یابند." This sentence is long; maybe break into two sentences for readability. Also "MLLMs مستقر شده" maybe "MLLMs مستقر" (stable). "مستقر شده" unnatural. Should be "MLLMs مستقر" or "MLLMs پایدار". Also "از داده‌های غیر برچسب‌دار جریان‌دار" maybe "از داده‌های غیر برچسب‌دار و جریان‌دار". Also "به‌صورت پیوسته تکامل یابند" maybe "به‌صورت پیوسته پیشرفت کنند". Also "عملی" maybe "توانمند" etc. "روش‌های موجود آموزش پس‌ازآموز غیر نظارت شده برای MLLMs عموماً توکن‌های هدف را یکنواخت بهینه‌سازی می‌کنند و وابستگی بصری heterogeneous آن‌ها (VD) را نادیده می‌گیرند." Should be "روش‌های موجود برای آموزش پس‌ازآموز غیر‌نظارت بر MLLMs عموماً توکن‌های هدف را به‌صورت یکنواخت بهینه‌سازی می‌کنند و وابستگی بصری ناهمگن (VD) آن‌ها را نادیده می‌گیرند." Also "heterogeneous" -> "ناهمگن". Also "VD" maybe "VD" is okay. "اما ما نشان می‌دهیم که وابستگی بصری سطح توکن (VD) برای MU-CPT حیاتی است." maybe "اما ما نشان می‌دهیم که وابستگی بصری سطح توکن (VD) برای MU-CPT حیاتی است." Could be "اما ما نشان می‌دهیم که وابستگی بصری سطح توکن (VD) برای MU-CPT حیاتی است." fine. "به‌طور خاص، تغییر ساختاری آن نشانگر فراموشیدگی katastrofیک بین‌مدالی است و heterogeneity ذاتی آن به‌عنوان یک قطب‌نما عمل می‌کند تا یادگیری وظیفه جدید را هدایت کند." maybe "به‌طور خاص، تغییر ساختاری آن نشانگر فراموشیدگی فاشیلی (catastrophic) بین‌مدالی است و heterogeneity ذاتی آن به‌عنوان یک راهنمای (guide) عمل می‌کند تا یادگیری وظیفه جدید را هدایت کند." Also "katastrophic" maybe "فاشیلی" but keep "katastrophic" unchanged? The instruction: keep technical terms unchanged. "katastrophic" is English term; maybe keep as is. But Persian could be "فاشیلی". However keep unchanged maybe "katastrophic". We'll keep "katastrophic" as is. "به‌کارگیری این ویژگی، چارچوبی آگاه از وابستگی بصری (VDA) با دو مؤلفه اصلی پیشنهاد می‌دهیم." maybe "به‌کارگیری این ویژگی، چارچوبی آگاه از وابستگی بصری (VDA) با دو مؤلفه اصلی پیشنهاد می‌دهیم." okay. "اولاً، انتقال بهینه تحت محدودیت بصری (VC-OT) تغییر ساختاری وابستگی بصری (VD) وظیفه قدیمی در trakcie یادگیری وظیفه جدید را به‌عنوان یک مسئله انتقال بهینه مدل‌سازی می‌کند تا فراموشیدگی بین‌مدالی را کاهش دهد." maybe "اولاً، انتقال بهینه تحت محدودیت بصری (VC-OT) تغییر ساختاری وابستگی بصری (VD) وظیفه قدیمی را در طول یادگیری وظیفه جدید به‌عنوان یک مسئله انتقال بهینه مدل‌سازی می‌کند تا فراموشیدگی بین‌مدالی را کاهش دهد." Also "به‌عنوان یک مسئله انتقال بهینه" maybe "به‌عنوان یک مسئله بهینه‌سازی انتقال". Also "فراموشیدگی" maybe "فراموش" but keep. "با طراحی هزینه زمینی آگاه از ناحیه و جریمه انتقال tiered وابستگی، این روش تغییرات جهانی در متمرکز بودن بصری را منع می‌کند و به‌طور严格 وابستگی بصری را از دگرگونی به سوختی زبانی منع می‌کند." The phrase "به‌طور严格" mixing Persian and English; should be "به‌صورت سخت" or "به‌صورت دقیق". Also "دگرگونی" maybe "تغییرات". Also "به سوختی زبانی" maybe "به سوختی زبانی". Also "منع می‌کند" maybe "ممانعت می‌کند". Also "دگرگونی" maybe "تغییرات". Also "به‌طور严格" should be "به‌صورت دقیق". Also "دگرگونی" maybe "تغییرات". Also "به سوختی زبانی" maybe "به‌صورت سلیقانه زبانی". Not sure. "دوماً، سازگاری تحت modulating بصری (VMA) از heterogeneity وابستگی بصری (VD) استفاده می‌کند تا یادگیری وظیفه جدید مبتنی بر بصری را تقویت کند و انعطاف‌پذیری وظیفه جدید را افزایش دهد." maybe "دوماً، سازگاری تحت modulating بصری (VMA) از heterogeneity وابستگی بصری (VD) استفاده می‌کند تا یادگیری وظیفه جدید مبتنی بر بصری را تقویت کند و انعطاف‌پذیری وظیفه جدید را افزایش دهد." Also "modulating" maybe keep as is, but maybe "modulating" is English; maybe "modulating بصری" should be "modulating بصری". Could be "modulating بصری" okay. "به‌همراه، روش ما در طول MU-CPT چالشی، به‌طور همزمان پایداری وظیفه قدیمی و انعطاف‌پذیری وظیفه جدید را حفظ می‌کند." maybe "به‌همراه، روش ما در طول MU-CPT چالش، به‌طور همزمان پایداری وظیفه قدیمی و انعطاف‌پذیری وظیفه جدید را حفظ می‌کند." Also "چالش" maybe "چالش". Also "به‌طور همزمان" maybe "به‌صورت همزمان". "تجربه‌های گسترده‌ای تحت تنظیمات MU-CPT ما، مؤثر بودن VDA را تأیید می‌کنند." maybe "تجربه‌های گسترده‌ای تحت تنظیمات MU-CPT ما، مؤثر بودن VDA را تأیید می‌کنند." Could be "تجربه‌های گسترده‌ای با تنظیمات MU-CPT ما، مؤثر بودن VDA را تأیید می‌کنند." "موضوعات: بینایی کامپیوتر و تشخیص الگو (cs.CV); هوش مصنوعی (cs.AI)" maybe "موضوعات: بینایی کامپیوتر و تشخیص الگو (cs.CV); هوش مصنوعی (cs.AI)" fine. "برای استناد: arXiv:2608.26095 [cs.CV] (یا arXiv:2608.26095v1 [cs.CV] برای این نسخه) https://doi.org/10.48550/arXiv.2608.26095" maybe "برای استناد: arXiv:2608.26095 [cs.CV] (یا arXiv:2608.26095v1 [cs.CV] برای این نسخه) https://doi.org/10.48550/arXiv.2608.26095". fine. "برای کسب اطلاعات بیشتر، DOI منتشر شده توسط arXiv از طریق DataCite (در حال ثبت) را بررسی کنید." maybe "برای کسب اطلاعات بیشتر، DOI منتشر شده توسط arXiv از طریق DataCite (در حال ثبت) را بررسی کنید." fine. "تاریخ ارسال: از: Zhilin Zhu [مشاهده ایمیل] [v1] Wed, 26 Aug 2026 17:57:04 UTC (633 کیلوبایت)" maybe "تاریخ ارسال: از: Zhilin Zhu [مشاهده ایمیل] [v1] Wed, 26 Aug 2026 17:57:04 UTC (633 کیلوبایت)". fine. "ابزارهای بایوگرافی" etc. maybe keep as is. We need to improve flow, readability, natural Persian, consistency, correct errors. Let's rewrite each line. Title: "چارچوبی آگاه از وابستگی بصری برای آموزش پس‌ازآموز چندرسانه‌ای غیر‌نظارت شده و پیوسته (MU-CPT)" maybe "چارچوبی آگاه از وابستگی بصری برای آموزش پس‌ازآموز چندرسانه‌ای غیر‌نظارت و پیوسته (MU-CPT)". Also "آموز" maybe "آموزش". So "آموزش پس‌ازآموز" maybe "آموزش پس‌ازآموز" is okay but maybe "آموزش پس‌ازآموز" -> "آموزش پس‌ازآموز" (post‑training). Could be "آموزش پس‌ازآموز" -> "آموزش پس‌ازآموز". Let's keep "آموزش پس‌ازآموز". Also "غیر نظارت شده" -> "غیر‑نظارت". Also "پیوسته" maybe "پیوسته". So final: "چارچوبی آگاه از وابستگی بصری برای آموزش پس‌ازآموز چندرسانه‌ای غیر‑نظارت و پیوسته (MU-CPT)". Also maybe "پیوسته" should be "پیوسته". Keep. Authors line: same. "نمایش PDF مقاله با عنوان «چارچوبی آگاه از وابستگی بصری برای آموزش پس‌ازآموز چندرسانه‌ای غیر‑نظارت و پیوسته» توسط Kaichen Li و ۹ نویسندهٔ دیگر" maybe "نمایش PDF مقاله با عنوان «چارچوبی آگاه از وابستگی بصری برای آموزش پس‌ازآموز چندرسانه‌ای غیر‑نظارت و پیوسته» توسط Kaichen Li و ۹ نویسندهٔ دیگر". Also "پیوسته" maybe "پیوسته". Also "غیر‑نظارت" maybe "غیر‑نظارت". Also "پیوسته" maybe "پیوسته". Also "پی::,