تحلیل و بررسی تخصصی

چارچوب SafeRun با جداسازی تفسیر زبان طبیعی از اجرای محدودیت‌های سخت، ایمنی کامل در برنامه‌ریزی‌های ورزشی را تضمین می‌کند. این متد در بنچمارک‌های جدید، عملکرد مهندسی پرامپت و…

چارچوب TRIAGE با جایگزینی پیش‌بینی‌های باینری و بیش‌ازحد مطمئن با امتیازات ریسک پیوسته، خطای کالیبراسیون در مدل‌های زبانی بزرگ پزشکی را ۸۱٪ کاهش داده است. این رویکرد از طریق…

پژوهشگران ابزاری به نام ATM را معرفی کرده‌اند که ارزیابی مدل‌های جهانی نهفته را به جای اجرای کند شبیه‌سازها، با پروب‌های سبک انجام می‌دهد. این متد با شناسایی سریع شکست‌های…

پژوهشگران چارچوب TLDR را معرفی کردند که با گروه‌بندی توکن‌های صوتی در قالب «وصله‌های» فشرده، سرعت استنتاج در سیستم‌های تبدیل متن به گفتار را ۱.۸ برابر افزایش می‌دهد. این روش بدون…

پژوهشگران مکانیزم هندسی جدیدی را شناسایی کردند که توضیح می‌دهد چرا آموزش آگاه از کوانتیزه کردن (QAT) در بیت‌های پایین موفق می‌شود، در حالی که کوانتیزه کردن پس از آموزش (PTQ) شکست…

پژوهشگران با ابداع یک چرخهٔ چندعاملی شامل «هکر» و «اصلاح‌گر»، نرخ موفقیت حملات پاداش‌جویانه در بنچمارک‌های هوش مصنوعی را به صفر رساندند. این روش با خودکارسازی شناسایی و وصله کردن…

پژوهشگران با توسعه‌ی خانواده‌ی مدل‌های NutriMLLM، توانسته‌اند ۶۵ ریزمغذی مختلف را از روی تصاویر غذا تخمین بزنند. این دستاورد از طریق تولید ۱.۱ میلیون تصویر مصنوعی بر اساس داده‌های…

چارچوب آموزشی جدیدی به نام PACT با تفکیک پارادایم‌های استدلالی به شاخه‌های مجزای LoRA، دقت مدل‌های زبانی در تشخیص پزشکی را بهبود بخشیده است. این سیستم از طریق تجمیع شاخه‌ها بر…

کارگاه CHIIR ۲۰۲۶ گذار از بازیابی سنتی اسناد به «سنتز زاینده» در پژوهش‌های دانشگاهی را ترسیم می‌کند. این چارچوب بر طراحی انسان‌محور با تمرکز بر شفافیت و یکپارچگی پژوهشی تأکید دارد.

چارچوب جدید PAI با هدف رفع نقطه کور مدل‌های تشخیص ناهنجاری در سری‌های زمانی (TSAD) معرفی شده است. این روش با بازیابی اطلاعات دامنه سیگنال، دقت شناسایی ناهنجاری‌های مبتنی بر بزرگی…

پژوهشگران پدیده «حذف خاموش دامنه» (SSO) را شناسایی کرده‌اند؛ اختلالی که در آن مدل‌های زبانی قوانین کلی را می‌پذیرند اما استثنائات تودرتو را نادیده می‌گیرند. راهکار پیشنهادی،…