تحلیل و بررسی تخصصی

پژوهشگران اثر «مهارت غالب» را کشف کردند؛ پدیده‌ای که در آن یک مهارت تک‌نفره می‌تواند نرخ موفقیت کل یک تسک رباتیک را به شدت تغییر دهد. راهکار جدید برای به‌روزرسانی مهارت‌ها بدون…

یک چارچوب پژوهشی جدید پیشنهاد می‌کند که اعتماد در AI پزشکی نباید نتیجه‌ی جانبی دقت مدل باشد، بلکه باید به عنوان یک ویژگی مهندسی‌شده و قابل اندازه‌گیری طراحی شود. این معماری…

پژوهشگران با طراحی یک خط لوله تطبیقی، ثابت کردند که استفاده از انگلیسی ساده در زمان بحران‌ها، سرعت و دقت ترجمه را به‌شدت افزایش می‌دهد. این سیستم با تمرکز بر مدل‌های زبانی کوچک،…

پژوهش جدید SynSur ثابت کرد که داده‌های مصنوعی به تنهایی نمی‌توانند جایگزین نمونه‌های واقعی صنعتی شوند. با این حال، ترکیب این دو منبع، دقت تشخیص عیوب را در محیط‌های کم‌داده به‌طور…

پژوهشگران محیط FutureWorld را برای آموزش عامل‌های هوش مصنوعی زاینده به پیش‌بینی رویدادهای واقعی طراحی کرده‌اند. این سیستم با بستن حلقه‌ی یادگیری بین پیش‌بینی و نتیجه، امکان تکامل…

مدل جدید Star-Fusion با تغییر رویکرد از رگرسیون به طبقه‌بندی گسسته، مشکل «گم‌شدن در فضا» را حل کرده است. این معماری چندوجهی با دقت ۹۳.۴ درصد و تأخیر بسیار کم، استقرار ماهواره‌های…

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 با معرفی چارچوب DUAL-BLADE، گلوگاه حافظه در رایانش لبه را با حذف حافظه‌ی صفحه‌ی هسته (Kernel Page Cache) شکستند. این سیستم تأخیر استنتاج را به‌طور چشمگیری کاهش داده و…

پژوهشگران با معرفی TLPO، راهکاری برای پایان دادن به تغییر زبان ناگهانی در مدل‌های چندزبانه ابداع کردند. این روش برخلاف متدهای سنتی، بدون تخریب هوش کلی مدل، خطاهای زبانی را در سطح…

یک چارچوب جدید و بدون نیاز به آموزش، دقت مدل‌های استدلالی بزرگ در مسائل ریاضی را ۳ تا ۷ درصد افزایش داده است. این روش با جایگزینی نمونه‌برداری انبوه با یک سیستم مسیریابی هوشمند،…