دستهبندی
تحلیلهای عمیق مدلها، مقالات و بنچمارکها — پیشچاپها، ارزیابیها، مدلهای زبانی پیشرو و پژوهش همراستاسازی.
۳٬۵۳۰ مقاله منتشر شده
پژوهشگران دریافتند که در محیطهای با حجم بازپخش پایین، نمونهبرداری غیریکنواخت بهطور قابلتوجهی از مدلهای پایه یکنواخت پیشی میگیرد. استراتژی پیشنهادی «هندسی کوتاه شده»، تعادلی…
پژوهشگران چارچوب HeteroGenManip را برای تفکیک مرحلهی گرفتن از تعاملات پیچیده رباتیک توسعه دادهاند. این سیستم با هدایت اشیاء به مدلهای تخصصی، موفقیت عملیاتی را در محیطهای واقعی…
پژوهشگران با توسعه یک مدل بنیادی برای هلند، ثابت کردند که بافتار زمانی میتواند جایگزین حجم عظیم دادهها شود. این مدل با استفاده از ۱.۲ میلیون تصویر، عملکردی رقابتی در بنچمارکهای…
معماری DynGhost با بهرهگیری از ترنسفورمرهای زمانی، محدودیتهای بازسازی صحنههای پویا در تصویربرداری شبحوار را از بین برد. این مدل با جایگزینی مدلهای نویز ساده با آموزش…
چارچوب ProteinOPD با جایگزینی یادگیری تقویتشده با روش تقطیر، مانع از تخریب قابلیت طراحی مدلهای زبانی پروتئین در حین تنظیم دقیق میشود. این رویکرد جدید، سرعت آموزش را ۸ برابر…
یک بنچمارک جدید نشان میدهد که پیشرفتهترین مدلهای زبانی در بازیابی دقیق استنادات حقوقی بدون دسترسی به منابع خارجی شکست میخورند. این مطالعه ثابت میکند که مقیاس مدل و پیشآموزش…
پژوهشگران با معرفی GSNF، شکاف تعاملات بینمتغیری در طبقهبندی سریهای زمانی چندمتغیره و نامنظم را برطرف کردند. این مدل با استفاده از نظارتگری خودکار، کارایی جریانهای عصبی…
پژوهشگران یک سیستم دفاعی سهلایه برای جلوگیری از حملات تزریق SQL در رابطهای مبتنی بر مدلهای زبانی طراحی کردهاند. این چارچوب با ترکیب پاکسازی پرامپت و تشخیص ناهنجاریهای…
پژوهشگران چارچوب چندعاملی IMPACT را برای شناسایی و درجهبندی شدت تضادها در داوریهای علمی توسعه دادهاند. این سیستم با استفاده از بنچمارک RevCI و مدل زبانی کوچک TIDE، دقت تحلیل…
پژوهشگران روشی برای تبدیل مدلهای علیِ پیچیده و دارای چرخه به گرافهای جهتدار بدون چرخه (DAG) با ابعاد پایین ابداع کردند. این دستاورد با بهرهگیری از تنظیمات خطی غیرگوسی (LiNG)،…
پژوهش جدید نشان میدهد افزایش پارامترها در مدلهای بینایی ماشین لزوماً به شفافیت بیشتر منجر نمیشود. مدلهای کوچکتر گاهی در دقت مکانیابی (Localization) با مدلهای عمیقتر برابری…
چارچوب MicroWorld با استفاده از گرافهای ویژگی چندوجهی، دقت مدل Qwen3-VL را در استدلالهای میکروسکوپی ۱۳٪ بیشتر از GPT-5 کرد. این دستاورد ثابت میکند بازیابی دانش ساختاریافته…