تحلیل و بررسی تخصصی

پژوهشگران یک چارچوب بینایی-زبانی دو-مرحله‌ای طراحی کرده‌اند که قادر است خطاهای خود را در تشخیص نقص‌های لیتوگرافی شناسایی و اصلاح کند. این سیستم با آموزش یک ماژول پالایش روی…

روش جدیدی به نام BODHI با استخراج «منفی‌های سخت» از گراف‌های دانش، رانش معنایی در رمزگذارهای زیست‌پزشکی را اصلاح می‌کند. این متد علاوه بر بهبود تفکیک مفاهیم، تأخیر استنتاج را روی…

پژوهشگران با معرفی SpineAgent، سیستمی عامل‌محور ساخته‌اند که گزارش‌های پیچیده MRI ستون فقرات را از طریق هماهنگی ۳۷ عامل تخصصی تولید می‌کند. این مدل با آموزش روی ۱۳ میلیون برش…

آداپتور جدیدی به نام SIGA با ایجاد یک لایه‌ی «مبنی‌سازی» از قواعد و حافظه، امکان تعامل عامل‌های کدنویسی با شبیه‌سازهای پیچیده علمی را فراهم می‌کند. این سیستم در آزمایش‌های مربوط…

پروتکل همکاری انسان-عامل (CHAP) یک فضای کاری ساختاریافته برای تبدیل گفتگوهای گذرا با هوش مصنوعی به مدارک قانونی و تصمیمات امضاشده ایجاد می‌کند. این استاندارد، شکاف میان مدیریت…

یک مطالعه جدید نشان می‌دهد که بازخوردهای هدفمند کیفیت گزارش‌های عامل‌های پژوهش عمیق را افزایش می‌دهد، اما این پیشرفت در دوره‌های تکرار متوالی پایداری ندارد. این عامل‌ها هنگام رفع…

مدل با وزن‌های باز SearchSwarm-30B با درونی‌سازی «هوش تفویض» در وزن‌های خود، محدودیت پنجره متنی را در وظایف پژوهشی پیچیده برطرف کرده است. این مدل قادر است اهداف کلان را به…

پژوهشگران پیش‌زمینه جدیدی به نام PRIME را شناسایی کرده‌اند که امکان پیش‌بینی تقلب در پاداش (Reward Hacking) را پیش از بروز شکست عملی فراهم می‌کند. این یافته، رویکرد همراستاسازی…

معرفی چارچوب CFips برای حل مشکل Time-out در تحلیل داده‌های بازه‌ای حجیم از طریق ادغام محدودیت‌های نحوی در فرآیند نمونه‌برداری. این روش امکان استخراج الگوهای نماینده را بدون از دست…

پژوهشگران چارچوب جدیدی برای «طراحی بازگشتی» در هوش مصنوعی معرفی کردند که طی آن مدل DGM توانست نمرات کدنویسی خود را در ۸۰ تکرار، از ۲۰٪ به ۵۰٪ برساند. این مطالعه با ارائه پروتکل…

یک چارچوب جدید هوش مصنوعی می‌تواند رعایت دستورالعمل‌های پزشکی را تنها با تحلیل متون نامساختار تأیید کند. مطالعه‌ای در بیمارستان Alessandria موفق شد بدون نیاز به دستورالعمل‌های…