آموزش کاربردی

پژوهشگران «ال‌ام‌ام-سرچر» را توسعه داده‌اند؛ چارچوبی که با انتقال دارایی‌های بصری به حافظه خارجی و استفاده از شناسه‌های متنی سبک، سربار پردازش را کاهش می‌دهد. این سیستم قادر است…

پژوهشگران دریافتند بنچمارک‌های فعلی به جای تسلط واقعی بر زبان، توانایی ریاضی و یادآوری اطلاعات را می‌سنجند. روش ترجمه رفت‌وبرگشتی با رتبه‌بندی کاربران همبستگی ۰.۹۴ نشان داده است.…

سیستم جدید **QuarkMedSearch** با ادغام گراف‌های دانش پزشکی و جستجوی آنلاین بلادرنگ، توانایی هوش مصنوعی در حوزه‌های تخصصی را به سطح بالاتری ارتقا داده است. این سیستم در سه محور…

پژوهشگران «لتنت‌ریفیوژال» را معرفی کردند؛ روشی که با تحلیل فعال‌سازی‌های لایه پنهان مدل‌های زبانی بزرگ، پرسش‌های مبهم یا بی‌پاسخ را شناسایی می‌کند. این رویکرد امتیاز اف‌وان ۸۸.۵…

پژوهشی تازه نشان داده که کدهای تولیدشده توسط مدل‌های زبانی بزرگ در کاربردهای ایمنی ساختمان، اغلب از نظر دستوری درست به نظر می‌رسند اما درک عمیقی از خطرات محیط ساخت‌وساز ندارند.…

محققان **دانشگاه استنفورد** سیستمی مبتنی بر **هوش مصنوعی زاینده** (Generative AI) برای تولید خودکار خلاصه پرونده بیماران در کمیسیون‌های تومور قفسه سینه توسعه دادند. این تیم با…

محققان **TRUST Agents** را معرفی کرده‌اند؛ چارچوبی چندعامله برای تأیید واقعیت و تشخیص اخبار جعلی. این سیستم با شکستن ادعاها، بازیابی شواهد و تولید گزارش‌های قابل فهم، شفافیت…

تیمی از پژوهشگران مدل **مانتس** (Mantis) را توسعه داده‌اند که صرفاً از شبیه‌سازی‌های مکانیکی آموزش دیده و با وجود عدم مواجهه با داده‌های واقعی، از تمام مدل‌های مرکز کنترل بیماری…

پژوهشگران چارچوب موبی را معرفی کردند که اولین راهکار دودویی‌سازی مخصوص مدل‌های زبانی بزرگ مبتنی بر مخلوط کارشناسان است. این چارچوب سه چالش کلیدی را حل می‌کند و سرعت استنتاج را بیش…

**LLM-HYPER** از مدل‌های زبانی بزرگ به‌عنوان ابرشبکه (هایپرنتورک) برای تولید پارامترهای تخمین‌گر نرخ کلیک استفاده می‌کند. این روش بدون نیاز به آموزش سنتی، دوره شروع سرد تبلیغات…

پژوهشگران تشخیص اسناد را به‌عنوان وظیفه رونویسی بازتعریف کردند. آنها **سوگیری‌های استقرایی رابطه‌ای** (relational inductive biases) را برای مدل‌های ترانسفورمر طراحی کردند که اسناد…