تحلیل و بررسی تخصصی

ساخت یک عامل صوتی پاسخگو نیازمند بهینه‌سازی ده‌ها گام نامرئی در شبکه و نرم‌افزار است. با هم‌پوشانی فرآیندهای بازشناسی گفتار، مدل زبانی و تبدیل متن به گفتار، می‌توان از تأخیرهای…

پلتفرم OlmoEarth Studio اکنون امکان استخراج بردارهای معنایی (Embeddings) از داده‌های مشاهده زمین را فراهم کرده است. این قابلیت تحلیل‌های پیچیده مانند تشخیص تغییرات محیطی و…

شرکت xAI مدل Grok 4.6 را با تمرکز بر عامل‌های خودکار و کدنویسی پیچیده عرضه کرد. این مدل در شاخص Intelligence Analysis با رقیب اصلی خود برابری می‌کند و از طریق API در دسترس است.

تیم Qwen علی‌بابا مدل Qwen3.8 را با معماری MoE و ۲.۴ تریلیون پارامتر برای وظایف پیچیده و عامل‌محور منتشر کرد. این مدل با هدف ارتقای توانایی‌های کدنویسی و پژوهش‌های تخصصی،…

گوگل دیپ‌مایند مدل SL2T را در گوشی‌های پیکسل ۱۱ ادغام کرد تا ترجمهٔ آنی زبان اشاره آمریکایی (ASL) به انگلیسی را در Gboard و Live Transcribe فراهم کند. این سامانه برای حفظ حریم…

پژوهشی جدید نشان می‌دهد لایه‌های «پاک‌سازی» متن در مسیر تبدیل گفتار به نوشتار، با حذف جزئیات ساختاری، عملکرد مدل‌های هوش مصنوعی را به‌شدت تخریب می‌کنند. این افت کیفیت در وظایف…

یک معماری جدید در فین‌تک‌ها، مدل‌های زبانی را به‌جای سیستم‌های اجرایی، به عنوان طبقه‌بندی‌کننده ساختاریافته سیاست‌ها به کار می‌گیرد. این روش با قرار دادن یک JSON Schema بین مدل و…

یک نسخه بهینه‌شده (Fork) از Automatic1111 با ادغام هسته‌های بومی Metal، سرعت اجرای Stable Diffusion را روی مک‌های سری M به‌طور چشم‌گیری افزایش داده است. این به‌روزرسانی بدون حذف…

شرکت Liquid AI مدل بینایی-زبانی LFM2.5-VL-3B را برای سخت‌افزارهای محلی عرضه کرد. این مدل با تمرکز بر سرعت استنتاج و درک رابط‌های کاربری، استانداردهای عملکرد مدل‌های کوچک در لبه را…

بسیاری از ارائه‌دهندگان مدل‌های بنیادی، داده‌های چت کاربران را به‌صورت پیش‌فرض برای آموزش مدل‌ها استفاده می‌کنند. این رویه با وجود قوانین سخت‌گیرانه اتحادیه اروپا، یک ریسک پنهان…

استارتاپ Skan AI برای جایگزینی مستندات ایستا با «گراف زمینه‌ای از کار» ۶۳ میلیون دلار جذب سرمایه کرد. هدف این شرکت، جلوگیری از شکست عامل‌های هوش مصنوعی در محیط‌های عملیاتی از طریق…