تحلیل و بررسی تخصصی

پژوهشگران مدل MR-GVNO را توسعه داده‌اند؛ یک عملگر عصبی که پاسخ فیزیکی سازه‌های صفحه‌ای پیچیده را بدون نیاز به داده‌های آموزشی برچسب‌دار پیش‌بینی می‌کند. این مدل با استفاده از…

پژوهشگران با معرفی چارچوب Tensor-Coord، برنامه‌ریزی در سیستم‌های چندعاملی را از مذاکرات شکننده بر پایه پرامپت به همراستاسازی ریاضی منتقل کردند. این روش با استفاده از تجزیه جبری…

چارچوب MGIL با استفاده از خوشه‌بندی موجودیت‌ها، یک «گراف مدل» ایجاد می‌کند تا الگوهای ساختاری سراسری را شناسایی کند. این رویکرد در پیش‌بینی استقرایی پیوندها (Inductive Link…

پژوهشگران چارچوبی به نام EC-Script توسعه داده‌اند که به مدل‌های زبانی اجازه می‌دهد روایت‌های داستانی را با مسیرهای احساسی دقیق، مخصوص هنردرمانی، تولید کنند. این سیستم از یک ساختار…

پژوهشگران چارچوب جدیدی برای quantifying و بیمه کردن ریسک‌های مالی عامل‌های خودمختار معرفی کرده‌اند. این سیستم با جایگزینی قضاوت مدل‌های زبانی با برچسب‌های اقتصادی قطعی، نرخ خطای…

تحقیقات جدید نشان می‌دهد عامل‌های هوش مصنوعی اغلب ابزار درست را شناسایی می‌کنند اما در مرحله نهایی تصمیم‌گیری دچار خطا می‌شوند. این یافته، اثربخشی روش‌های رایج مهندسی پرامپت برای…

یک چارچوب جدید به سیاست‌های RMAPPO اجازه می‌دهد در لحظه‌ی اجرا از قوانین خارجی یا راهنمایی‌های مدل‌های زبانی استفاده کنند تا سرعت بازیابی خطوط تولید پس از نقص فنی افزایش یابد. این…

یک ممیزی روی ۱۲ مدل هوش مصنوعی نشان می‌دهد که جایگاه یک هتل در لیست داده‌ها، به‌طور مستقل بر توصیه‌ی مدل اثر می‌گذارد. این سوگیری ساختاری باعث می‌شود ارزش ادراکی هر اتاق شبانه…

متد MHL وزن‌های مبهم شبکه‌های عصبی را با قوانین قطعی پایتونی جایگزین می‌کند. این چارچوب دقت بالای استانداردهای فعلی را در داده‌های پزشکی حفظ کرده و در عین حال قابلیت بازبینی کامل…

چارچوب AdaSTORM با استفاده از تقسیم‌بندی تطبیقی و معماری چند-عاملی، محدودیت مقیاس‌پذیری در استدلال گراف‌های پویا را شکست. این سیستم بدون نیاز به ابزارهای خارجی، به دقت بیش از ۹۰…

یک چارچوب معماری جدید پیشنهاد می‌دهد که «خرد» را از «هوش» جدا کند تا از بهینه‌سازی کورکورانه اهداف مضر جلوگیری شود. این سیستم از طریق یک لایه حاکمیتی و یک توپل شش‌مؤلفه‌ای، پیش از…