پرش به محتوای اصلی

دسته‌بندی

تحلیل و بررسی تخصصی

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

۵٬۸۳۲ مقاله منتشر شده

دفتر کل شواهد برای عامل‌های تحلیلگر محتوا: اولویت پوشش بر اطمینان
آموزش کاربردی

«گزارش‌های قابل‌حسابرسی»؛ راهکار جدید برای صادقانه کردن تحلیل‌های AI

یک چارچوب متن‌باز جدید با معرفی «دفتر کل پوشش»، مانع از آن می‌شود که عامل‌های هوش مصنوعی نمونه‌های جزئی داده را به‌جای تحلیل کامل حساب کاربری جا بزنند. این سیستم با ردیابی دقیق…

۴ دقیقه خواندن۳
ارزیابی مسیر عامل، نه فقط پاسخ نهایی، کیفیت واقعی را نشان می‌دهد
آموزش کاربردی

ارزیابی مسیر در برابر بنچمارک‌های سنتی؛ تضمین پایداری عامل‌های هوش مصنوعی

تست کردن تنها پاسخ نهایی عامل‌های هوش مصنوعی، خطاهای بحرانی در فرآیند اجرا مانند حلقه‌های بی‌نهایت را پنهان می‌کند. ارزیابی مسیر (Trajectory Evaluation) با بازرسی هر گام اجرایی،…

۵ دقیقه خواندن۱
شهروندان مصنوعی تا شهرهای زنده: ساخت دوقلوی جمعیتی برای شهر بومی هوش مصنوعی
آموزش کاربردی

آیا گراف‌های احتمالی می‌توانند اثرات تغییرات سیاستی شهر را پیش‌بینی کنند؟

پروژه متن‌باز Dubai Persona DAG با استفاده از گراف‌های احتمالی ۴۸-بعدی، جمعیت مصنوعی دبی را بازسازی کرده است. این ابزار به برنامه‌ریزان شهری اجازه می‌دهد اثرات تغییرات سیاستی را…

۱۰ دقیقه خواندن۱
روز ۱۸: ۱۰۰ روز GenAI برای DevOps: Kubernetes و GPUها
آموزش کاربردی

مدیریت GPU در کوبرنتیز؛ از شناسایی سخت‌افزار تا تخصیص پویا

بررسی زیرساخت GPU در کوبرنتیز، اجزای حیاتی برای شناسایی و زمان‌بندی سخت‌افزار در مدل‌های زبانی بزرگ را افشا می‌کند. تمرکز اصلی این معماری بر انتقال از تخصیص ایستا به تخصیص منابع…

۲ دقیقه خواندن
تمرکز بر نقاط کور داوران، نه معیارهای بنچمارک، برای تعویض مدل‌ها
آموزش کاربردی

شکاف بین بنچمارک‌ها و ارزیابی انسانی؛ چرا مدل‌های برتر در محیط عملیاتی شکست

تغییر مدل‌های هوش مصنوعی بر اساس بنچمارک‌های استاندارد، اغلب منجر به ایجاد خطاهای جدیدی می‌شود که ناظران انسانی قادر به شناسایی آن‌ها نیستند. راهکار پیشنهادی جدید، جایگزینی…

۶ دقیقه خواندن۱
گزارش رسانه‌ای: رونویسی صدا ۴۰۴/۵۰۱: تفسیر available=false در Node.js
آموزش کاربردی

درون الگوی جدید نظارت بر محتوا برای بهینه‌سازی جریان‌های Node.js

یک الگوی معماری جدید برای نظارت بر محتوا، بازشناسی گفتار را از طبقه‌بندی مدل‌های چت جدا می‌کند تا از تولید پاسخ‌های ساختگی جلوگیری شود. این روش با بررسی وضعیت مدل در کاتالوگ پیش…

۵ دقیقه خواندن۱
کوانتایز کردن مدل Core ML برای iOS
آموزش کاربردی

«خوشه‌بندی وزن‌ها در جداول جست‌وجو»؛ راهکار جدید برای بهینه‌سازی حافظه

پالت‌سازی (Palettization) جایگزینی بهینه برای کوانتش خطی در اپلیکیشن‌های iOS است که وزن‌ها را در جداول جست‌وجو خوشه‌بندی می‌کند. این روش فشار حافظه و حجم فایل را کاهش می‌دهد، در…

۶ دقیقه خواندن
معماری دو لایه محلی برای پردازش ۱۴,۷۲۶ خاطره بدون وابستگی به ابر با تأخیر صفر
آموزش کاربردی

حافظهٔ دو لایهٔ محلی تأخیر عامل‌های هوش مصنوعی را ۹۱.۶٪ کاهش داد

معماری جدید حافظه محلی با استفاده از ساختار L1 و L2، تأخیر بازیابی داده‌ها را در عامل‌های هوش مصنوعی به زیر ۱۰ میلی‌ثانیه رساند. این رویکرد با جایگزینی پایگاه‌داده‌های برداری ابری…

۴ دقیقه خواندن
برآورد هزینه بازتعبیه همه چیز در لایه‌های پایین‌دست
آموزش کاربردی

هزینه‌های پنهان مهاجرت به مدل‌های برداری؛ ذخیره‌سازی گران‌تر از توکن‌ها

جایگزینی مدل‌های بردار معنایی اغلب ارزان‌تر از تصور مهندسان است، اما هزینه‌های ذخیره‌سازی و بازسازی حافظهٔ موقت (Cache) می‌تواند بودجه را به شدت تحت فشار قرار دهد. تحلیل‌های جدید…

۷ دقیقه خواندن۲
بازسازی جدول جستجوی هزینه داخلی برای هر توکن
آموزش کاربردی

جدول جست‌وجوی مدرن در برابر متدهای قدیمی محاسبهٔ توکن

جداول قیمت‌گذاری سنتی دیگر پاسخگوی ابعاد جدید صورت‌حساب‌های مدل‌های زبانی نیستند. استفاده از یک جدول جست‌وجوی بازطراحی‌شده، از خطاهای رایج مانند محاسبه مضاعف یا کمتر از حد واقعی…

۷ دقیقه خواندن۱