دستهبندی
تحلیلهای عمیق مدلها، مقالات و بنچمارکها — پیشچاپها، ارزیابیها، مدلهای زبانی پیشرو و پژوهش همراستاسازی.
۱٬۶۶۳ مقاله منتشر شده
یک خطلوله جدید تولید بازیابیافزا (RAG) با استفاده از مدلهای Qwen3 توانست به دقت ۹۵.۹۸ درصدی در درک اسناد چنددامنه اوکراینی دست یابد. این سیستم ثابت میکند که بازرتببندی آگاه…
چارچوب RTTAD با معرفی یک مکانیسم آگاه از ریسک، مانع از یادگیری اشتباه ناهنجاریها به عنوان دادههای نرمال در زمان استقرار میشود. این مدل با ترکیب آموزش دو-وظیفهای و پالایش…
هوش مصنوعی زاینده تعداد کارآفرینان تکنفره را بهشدت افزایش داده است، اما پروژههای تیمی همچنان در ردههای کیفی برتر هستند. تحلیل ۱۶۰ هزار محصول در Product Hunt نشان میدهد که…
متد جدید DP-LAC با بهینهسازی خودکار آستانههای برش، دقت یادگیری فدرال خصوصی را بدون مصرف بودجهی اضافی حریم خصوصی ارتقا میدهد. این رویکرد تضاد دیرینه میان دقت مدل و حفظ محرمانگی…
پژوهشگران چارچوب M³Att را معرفی کردند که با استفاده از محرکهای بصری و اطلاعات گمراهکننده، سیستمهای RAG پزشکی را هدف قرار میدهد. این حمله مدلها را فریب میدهد تا تشخیصهای…
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…