پرش به محتوای اصلی

دسته‌بندی

آموزش کاربردی

راهنماهای گام‌به‌گام، دوره‌ها و آموزش‌های کاربردی استفاده از هوش مصنوعی — از مهندسی پرامپت تا فاین‌تیون و RAG.

۸٬۱۵۲ مقاله منتشر شده

چگونه SECDA-DSE طراحی شتاب‌دهنده‌های FPGA را با مدل‌های زبانی خودکار می‌کند؟

چگونه SECDA-DSE طراحی شتاب‌دهنده‌های FPGA را با مدل‌های زبانی خودکار می‌کند؟

چارچوب SECDA-DSE با ادغام مدل‌های زبانی بزرگ، فرآیند پیچیده جست‌وجوی فضای طراحی (DSE) در شتاب‌دهنده‌های FPGA را خودکار می‌کند. این سیستم با ترکیب RAG و زنجیره تفکر، نیاز به تخصص…

۱ دقیقه خواندن
چگونه FADA تحلیل تخصصی سونوگرافی جنین را به سخت‌افزار موبایل منتقل کرد؟

چگونه FADA تحلیل تخصصی سونوگرافی جنین را به سخت‌افزار موبایل منتقل کرد؟

مدل FADA با یکپارچه‌سازی تشخیص و تحلیل سونوگرافی جنین در یک خط لوله واحد، امکان تشخیص بالینی آفلاین را روی گوشی‌های هوشمند فراهم کرده است. این سیستم با هدف کاهش شکاف تشخیصی در…

۲ دقیقه خواندن
دقت ۹۸.۴ درصدی YOLO26x؛ پایان پرداخت‌های ماهانه برای پایش حیات وحش
آموزش کاربردی

دقت ۹۸.۴ درصدی YOLO26x؛ پایان پرداخت‌های ماهانه برای پایش حیات وحش

پژوهشگران یک مدل متن‌باز با دقت بسیار بالا برای شناسایی ۳۱ گونه از پستانداران و پرندگان بریتانیا عرضه کردند. این ابزار قصد دارد جایگزین پلتفرم‌های تجاری گران‌قیمت شود تا…

۲ دقیقه خواندن۱
++nnU-Net: افزایش ۲۲ درصدی دقت قطعه‌بندی پزشکی با سنتز داده‌های ثبت‌محور

++nnU-Net: افزایش ۲۲ درصدی دقت قطعه‌بندی پزشکی با سنتز داده‌های ثبت‌محور

چارچوب جدید ++nnU-Net با استفاده از فرآیند دو مرحله‌ای «ثبت تصویر» برای تولید داده‌های مصنوعی آناتومیک، دقت مدل‌های قطعه‌بندی را ارتقا داده است. این سیستم در پنج مجموعه داده…

۱ دقیقه خواندن۱
چرا معماری ترکیبی CPU-GPU نیاز به کوانتیزه کردن مدل‌های MoE را از بین می‌برد؟

چرا معماری ترکیبی CPU-GPU نیاز به کوانتیزه کردن مدل‌های MoE را از بین می‌برد؟

پژوهشگران با طراحی یک معماری ترکیبی، اجرای مدل‌های Mixture-of-Experts (MoE) با دقت اصلی را روی سخت‌افزارهای مصرف‌کننده و با عملکردی در سطح مراکز داده ممکن کرده‌اند. این سیستم با…

۲ دقیقه خواندن۱
چرا زبان دیگر معیار اصلی درک قصد کاربر توسط ربات‌ها نیست؟

چرا زبان دیگر معیار اصلی درک قصد کاربر توسط ربات‌ها نیست؟

پژوهشگران چارچوب EDITH را معرفی کردند که با تلفیق نگاه کاربر، نمای اول‌شخص و گفتار، تعامل انسان و ربات را بهینه‌تر می‌کند. این سیستم با تبدیل سیگنال‌های نویزی به زیر-وظایف، نیاز…

۲ دقیقه خواندن۱
نقطه کور داوران LLM: ۸۰٪ از نقص‌های عامل‌های چندمرحله‌ای نادیده گرفته می‌شوند

نقطه کور داوران LLM: ۸۰٪ از نقص‌های عامل‌های چندمرحله‌ای نادیده گرفته می‌شوند

یک تحلیل فنی نشان می‌دهد که سیستم‌های داوری خودکار (LLM-as-judge) در شناسایی خطاهای سیستمی و ردیابی وضعیت در گفتگوهای چندمرحله‌ای ناتوان هستند. این نقص باعث می‌شود میزان خطاهای…

۲ دقیقه خواندن
معماری پلتفرم هوش مصنوعی چندمستأجری مقیاس‌پذیر
آموزش کاربردی

چرا برای مقیاس میلیونی، زیرساخت پلتفرم مهم‌تر از هوشمندی مدل است؟

مقیاس‌پذیری پلتفرم‌های هوش مصنوعی نیازمند گذار از مدل‌های تک‌مستأجری به معماری چندمستأجری است. این تغییر با ترکیب اتوماسیون کوبرنتیز و جداسازی سخت‌گیرانه داده‌ها، هزینه‌های…

۳ دقیقه خواندن
چرا Visual-SDPO در اصلاح خطاهای بصری کدنویسی، GRPO را شکست می‌دهد؟

چرا Visual-SDPO در اصلاح خطاهای بصری کدنویسی، GRPO را شکست می‌دهد؟

چارچوب جدید Visual-SDPO با استفاده از بازخوردهای بصری رندر شده، مدل‌های زبانی را برای تولید کدهای دقیق‌تر در نمودارها و رابط‌های کاربری آموزش می‌دهد. این روش با هدف قرار دادن…

۲ دقیقه خواندن۱
تخمین ارزش پاس‌های فوتبال با استفاده از مدل‌های رانندگی خودکار

تخمین ارزش پاس‌های فوتبال با استفاده از مدل‌های رانندگی خودکار

پژوهشگران چارچوبی به نام MCPS طراحی کرده‌اند که با شبیه‌سازی هزاران سناریوی جایگزین، ارزش واقعی هر پاس را می‌سنجد. این سیستم با بهره‌گیری از مدل‌های پیش‌بینی مسیر رانندگی خودکار،…

۱ دقیقه خواندن
چرا مدل‌های زبانی باز ارزیابی‌های تنظیم MIMO را ۶ برابر کاهش می‌دهند؟

چرا مدل‌های زبانی باز ارزیابی‌های تنظیم MIMO را ۶ برابر کاهش می‌دهند؟

مدل‌های زبانی باز (Open LLMs) می‌توانند با پیشنهاد پیش‌فرض‌های ساختاری غیرمنتظره، تعداد تکرارهای مورد نیاز برای تنظیم کنترل‌کننده‌های صنعتی پیچیده را تا ۶ برابر کاهش دهند. این…

۲ دقیقه خواندن