تحلیل و بررسی تخصصی

یک رویکرد جدید در تشخیص اشیاء کم‌نمونه (FSOD) با اصلاح عدم‌توازن بین پیشنهادهای کلاس‌های پایه و جدید، دقت مدل‌ها را ۱ تا ۶ درصد افزایش داده است. این روش بدون ایجاد تأخیر در زمان…

پژوهشگران دریافتند که مدل‌های بنیادی EEG حتی پس از عبور از بازرسی‌های امنیتی، همچنان ویژگی‌های طیفی حساس را فاش می‌کنند. این مطالعه با معرفی یک چارچوب بازرسی مشترک، ناکارآمدی…

پژوهشگران چارچوب EgoTactile را معرفی کردند که می‌تواند فشار گیرش دست را تنها از طریق ویدیوهای اول‌شخص تخمین بزند. این سیستم با استفاده از مدل‌های انتشار، نیاز به سخت‌افزارهای لمسی…

ترجمهٔ مستقیم بنچمارک‌های ایمنی انگلیسی برای شناسایی آسیب‌پذیری‌های مدل‌های زبانی در محیط‌های آسیایی ناکارآمد است. مطالعه‌ای جدید ثابت می‌کند که رِد-تیمینگ متناسب با فرهنگ‌های…

پژوهشگران با ترکیب یادگیری تقویت‌شده‌ی SAC و یک برنامه آموزشی خودگردان (SPDL)، سیستمی برای آموزش موتورسیکلت‌های مسابقه‌ای خودران توسعه داده‌اند. این رویکرد نیاز به طراحی دستی…

پژوهشگران با معرفی چارچوب Uni-E توانستند شکاف عملکرد میان مدل‌های انتشار زبانی و مدل‌های خودرگرسیونی را کاهش دهند. این روش با جایگزینی تخمین‌های احتمالی با محاسبات دقیق انرژی،…

چارچوب CANS با استفاده از یادگیری مشارکتی، تأخیر در استنتاج مدل‌های هوش مصنوعی در شبکه‌های لبه‌ای را تا ۵۰ درصد کاهش می‌دهد. این راهکار با بهینه‌سازی پویا در تقسیم‌بندی مدل‌ها،…

پژوهشی جدید با معرفی چارچوب SEF-CLGC نشان می‌دهد که ادغام منطق نمادین در مدل‌های زبانی کوچک می‌تواند سوگیری محتوایی را کاهش دهد. این رویکرد در آزمون‌های SemEval-2026 به دقت ۲۷.۸۰…

پژوهشگران با تنظیم دقیق مدل Qwen3-VL-2B و ادغام داده‌های مربوط به نگاه چشم و حرکت خودرو، رکورد جدیدی در پیش‌بینی قصد عابر پیاده ثبت کردند. این روش بر معماری‌های تخصصی ترنسفورمری…

پژوهشگران روشی را کشف کرده‌اند که اجازه می‌دهد پیام‌های مخفی ۳۲ بیتی را بدون تغییر در وزن‌های مدل، تنها با دستکاری بذرهای تصادفی در خروجی‌های LLM جای‌گذاری کنند. این متد حتی بدون…

مدل‌های زبانی بزرگ اکنون می‌توانند بدون هیچ آموزشی، اشیاء محیط‌های سه‌بعدی را با دقت ۹۶ درصد به کلاس‌های هستی‌شناسی متصل کنند. این روش با بهره‌گیری از نشانه‌های معنایی در گراف…