آموزش کاربردی

یک خط لوله‌ی پژوهشی جدید با تبدیل برنامه‌ها به گراف‌های صفت‌دار، امکان بازیافت مصنوعات تأیید کد را فراهم کرده است. این سیستم با ترکیب تحلیل ساختاری و بردارهای معنایی، شباهت‌های…

پژوهشگران چارچوب جدیدی به نام AI Council را برای مقابله با «توافق مصنوعی» در شبیه‌سازی‌های چند-عاملی معرفی کردند. این روش با جایگزینی مدل‌های متنوع ۷ تا ۹ میلیارد پارامتری، مانع…

پژوهشگران راهکاری برای استفاده از داده‌های متنی خالص جهت ارتقای مدل‌های تشخیص گفتار یافته‌اند. این مطالعه نشان می‌دهد پیکربندی‌های ساده، مانند مدل‌های مدت‌زمان تصادفی، اغلب از خط…

مدل STLGT با استفاده از یک ترنسفورمر گراف خطی، پیش‌بینی تأخیر در میکروسرویس‌ها را ۱۲ برابر سریع‌تر کرد. این معماری جدید دقت پیش‌بینی p95 را افزایش داده و هزینه استنتاج را به شدت…

SecMate یک دستیار هوش مصنوعی عامل‌محور است که با تحلیل داده‌های دستگاه و کاربر، دقت حل مشکلات امنیتی را به بیش از ۹۰ درصد رسانده است. این سیستم ثابت کرد که در اکثر سناریوهای…

پژوهشی جدید نشان می‌دهد مدل‌های ترجمه سنتی در حفظ چیدمان بصری متون، از مدل‌های زبانی بزرگ پیشی می‌گیرند. این نتیجه‌ی غیرمنتظره، نیاز صنعت طراحی به معماری‌های ترکیبی را بیش از پیش…

پژوهشگران چارچوب TimeMM را معرفی کردند که با استفاده از فیلترینگ طیفی شرطی‌شده با زمان، تغییرات سریع سلیقه کاربران را مدل می‌کند. این سیستم با تعادل پویا میان داده‌های بصری و…

پژوهشگران با معرفی بنچمارک LATTICE ثابت کردند که عامل‌های کریپتو در کیفیت پشتیبانی از تصمیمات کاربر تفاوت‌های شدیدی دارند. این نتایج نشان می‌دهد که هیچ ابزار واحدی برای تمام…

محققان با معرفی Qvine، راهکاری برای غلبه بر «نفرین ابعاد» در رایانش کوانتومی ارائه کردند. این معماری با کاهش پیچیدگی مدارات از حالت نمایی به خطی، بارگذاری داده‌های چندبعدی را برای…

الگوریتم جدید رمزگشایی فوق‌موازی (HPD) با شکستن ساختار ترتیبی مدل‌های زبانی، هزینه‌ها و زمان استنتاج را تا ۱۳.۸ برابر کاهش می‌دهد. این پیشرفت به‌ویژه در استخراج داده‌های…

محققان چارچوب عامل‌محور Bian Que را برای بهینه‌سازی بازیابی داده‌های عملیاتی در مدل‌های زبانی معرفی کردند. این سیستم در مقیاس عظیم KuaiShou، نویز هشدارهای سیستمی را ۷۵٪ کاهش و…