تحلیل و بررسی تخصصی

پژوهشگران چارچوبی به نام EmergentBridge معرفی کرده‌اند که انتقال یادگیری صفر-نمونه‌ای میان حالت‌های جفت‌نشده را در مدل‌های تعبیه‌ی چندحالتی یکپارچه بهبود می‌بخشد. این روش نیازی به…

پژوهشگران روش 'StsPatient' را معرفی کرده‌اند؛ سیستمی برای شبیه‌سازی دقیق بیماران استاندارد با اختلال شناختی. این روش از مدولاسیون تصادفی توکن و بردارهای هدایت برای کنترل دقیق شدت…

پژوهشگران مؤسسه فناوری بمبئی چارچوبی به نام RePAIR توسعه داده‌اند که به کاربران امکان می‌دهد بدون نیاز به مداخله ارائه‌دهندگان سرویس، دانش ناخواسته را از مدل‌های زبانی بزرگ حذف…

پژوهشگران روش جدید «پیش‌آموزش زنجیره‌ای مدل‌ها» را معرفی کرده‌اند که با انتقال دانش از مدل‌های کوچک به بزرگ، سرعت آموزش مدل‌های بینایی را تا ۷.۰۹ برابر افزایش می‌دهد. این رویکرد…

کوموآراف‌ام-۲ یک مدل پایه از پیش آموزش‌دیده برای داده‌های رابطه‌ای است که در ۴۱ معیار عملکردی، تا ۸ درصد بهتر از روش‌های نظارتی عمل می‌کند. این مدل از یادگیری درون‌متنی و تنظیم…

پژوهشگران روشی توسعه داده‌اند که با اعمال جریمه‌های ژاکوبین و لیپشیتس بر شبکه‌های عصبی، خروجی‌های هموارتری تولید می‌کند. این رویکرد، شکاف پیچیدگی عملکردی بین مدل‌های یادگیری عمیق…

تحقیقی جدید نشان می‌دهد مدل‌های زبانی بزرگ در شبیه‌سازی واکنش‌های عاطفی شهروندان نسبت به بروکراسی عملکرد ضعیفی دارند. این ناکارآمدی به‌ویژه در مورد فرهنگ‌های شرقی بیشتر مشاهده…

پژوهشگران بنچمارک ManyIH-Bench را معرفی کرده‌اند؛ اولین معیار سنجش توانایی عامل‌های LLM در مدیریت تعارض دستورات در سطوح مختلف اختیار. این مطالعه نشان می‌دهد حتی مدل‌های پیشروی هوش…

یک روش نوین یادگیری مستمر برای مقابله با تجمع سوگیری در سیگنال‌های مغزی ارائه شده است. این رویکرد با بهبود عملکرد مدل‌ها در درک بصری-مغزی، نتایج چشمگیری به دست آورده است.

محققان چارچوب HintMR را معرفی کردند؛ رویکردی که در آن مدل‌های زبانی کوچک‌تر با تولید سرنخ‌های متنی به جای ارائه راه‌حل کامل، در حل مسائل پیچیده ریاضی همکاری می‌کنند. این روش دقت…

گزارش شاخص هوش مصنوعی ۲۰۲۶ نشان می‌دهد که ۵۰ درصد اختلاف میان دیدگاه متخصصان و عموم مردم آمریکا درباره تأثیر این فناوری بر مشاغل وجود دارد. این شکاف ادراکی، پرسش‌های مهمی درباره…