پرش به محتوای اصلی

دسته‌بندی

تحلیل و بررسی تخصصی

تحلیل‌های عمیق مدل‌ها، مقالات و بنچمارک‌ها — پیش‌چاپ‌ها، ارزیابی‌ها، مدل‌های زبانی پیشرو و پژوهش همراستاسازی.

۶٬۸۳۲ مقاله منتشر شده

آموزش کاربردی

شکاف میان دمو و واقعیت؛ چرا عامل‌های هوش مصنوعی در محیط عملیاتی شکست می‌خورند؟

متخصصان صنعت هشدار می‌دهند که فقدان تعاریف دقیق از «عامل» و استراتژی‌های غلط تکه‌بندی داده‌ها، باعث شکست مدل‌های هوش مصنوعی در محیط واقعی شده است. موفقیت اکنون بیش از آنکه به…

۵ دقیقه خواندن۳
آموزش کاربردی

«جایگزینی متغیر با شیء»؛ کلید پایداری هوش مصنوعی در اندروید

استقرار هوش مصنوعی روی دستگاه در اندروید به‌دلیل نبود سخت‌افزار یا عدم آماده‌سازی AICore اغلب با شکست مواجه می‌شود. یک الگوی معماری جدید پیشنهاد می‌کند قابلیت AI به‌جای یک متغیر…

۴ دقیقه خواندن
زندگی با AI

اتوماسیونِ همه‌منظوره در برابر ابزارهای تخصصی؛ ریسک حذف سیستماتیک مشاغل

برخلاف انقلاب‌های صنعتی گذشته، ماهیت همه‌منظوره هوش مصنوعی اجازه می‌دهد هر شغل جدیدی که ایجاد کند، دوباره اتوماتیک شود. این وضعیت ریسکی سیستماتیک ایجاد می‌کند که در آن ارزش…

۱۳ دقیقه خواندن۱
آموزش کاربردی

تقطیر سادهٔ مدل‌ها دانش را منتقل نمی‌کند، بلکه اعتمادبه‌نفسِ غلط را می‌سازد

تقطیر استاندارد هوش مصنوعی اغلب شکست می‌خورد زیرا مدل‌های شاگرد به‌جای یادگیری دانش، اعتمادبه‌نفس بیش از حد مدل معلم را تقلید می‌کنند. حل این مشکل نیازمند مقیاس‌بندی دما و ترکیب…

۴ دقیقه خواندن۱

قرارداد ۲۶ میلیارد دلاری اسپیس‌اکس برای ساخت مراکز دادهٔ هوش مصنوعی در مدار

اسپیس‌اکس و xAI با ادغام زیرساخت‌های پرتاب و محاسباتی، در حال تبدیل مدار زمین به لایه‌ای از مراکز دادهٔ عظیم هستند. قراردادهای میلیاردی با گوگل و آنتروپیک نشان می‌دهد که استنتاج…

۷ دقیقه خواندن۱

«تضمین کنترل انسانی»؛ هدف مایکروسافت از تدوین منشور اخلاقی MAI

ساتیا نادلا از تدوین یک «منشور اخلاقی» برای مدل‌های داخلی مایکروسافت خبر داد تا کنترل انسانی بر هوش مصنوعی تضمین شود. این اقدام در پاسخ به درخواست شرکت‌هایی چون آنتروپیک برای کاهش…

۴ دقیقه خواندن
آموزش کاربردی

درون CauterRule؛ تضاد میان تطابق توکنی و درک معنایی در ارزیابی AI

چارچوب متن‌باز CauterRule دریافت که معیارهای سخت‌گیرانهٔ تطابق توکنی، مدل‌های هوش مصنوعی را به‌دلیل بازنویسی درستِ قوانین جریمه می‌کنند. با تغییر رویکرد به تطابق معنایی، مشخص شد…

۸ دقیقه خواندن۴
آموزش کاربردی

چگونه مدل‌های ثانویه خطاهای مدل‌های پایه را در Stacking خنثی می‌کنند؟

روش Stacking با ایجاد یک ساختار یادگیری سلسله‌مراتبی، پیش‌بینی‌های مدل‌های پایه را به عنوان ویژگی‌های جدید به یک مدل ثانویه (متا-لرنر) می‌دهد. این رویکرد با شناسایی روابط غیرخطی…

۹ دقیقه خواندن۱