پرش به محتوای اصلی

دسته‌بندی

تحلیل و بررسی تخصصی

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

۵٬۷۷۸ مقاله منتشر شده

مدل زبانی که پایتخت ژاپن را پاریس می‌داند: آزمایشی درباره توهمات هوش مصنوعی
آموزش کاربردی

پژوهش فارس علافی: ترکیب Mamba-2 و مدل انتشار پیچیدگی ترنسفورمرها را گرفت

فارس علافی، پژوهشگر ۱۳ ساله، مدلی با ۳۰۰ میلیون پارامتر طراحی کرده که با ترکیب معماری Mamba-2 و مدل انتشار، مشکل تکرار کلمات و پیچیدگی محاسباتی ترنسفورمرها را هدف قرار می‌دهد. این…

۱۰ دقیقه خواندن
داور LLM بیش از حد سهل‌گیر است؛ راه‌حل ارزان: داوری با رد و داوری سه‌جانبه
آموزش کاربردی

گزارش فنی: مدل ردکننده هزینه‌های استنتاج ارزیابی را ثابت نگه داشت

ساختارهای فعلی مدل زبانی به‌مثابه داور به‌دلیل تمایل به تایید، نرخ قبولی کاذب بالایی دارند. الگوی جدید با معرفی یک نقش «ردکننده» متخاصم، تنها موارد مورد مناقشه را به مدل‌های…

۹ دقیقه خواندن۱
پرامپت سیستمی مهندسی معکوس‌شده برای تبدیل LLM به همکار طراحی دسترس‌پذیر و ضدمحتوای بی‌کیفیت هوشمند
آموزش کاربردی

کتابخانهٔ Open-Source جدید برای پاک‌سازی «زباله‌های بصری» در خروجی مدل‌های زبانی

یک سیستم پرامپت مهندسی‌شده و مجموعه‌ای از مهارت‌های عملی، مدل‌های زبانی را به همکارانی در سطح استانداردهای صنعتی طراحی تبدیل می‌کند. این ابزار با رد کلیشه‌های بصری رایج هوش…

۵ دقیقه خواندن
حذف واترمارک با ابزار مناسب، بدون افت کیفیت انجام می‌شود.
آموزش کاربردی

حذف واترمارک تصاویر Gemini با محاسبات ریاضی به جای حدس‌های هوش مصنوعی

یک روش فنی جدید نشان می‌دهد که واترمارک‌های تصاویر گوگل Gemini با استفاده از محاسبات حسابی به جای تخمین‌های مدل‌های مولد، کاملاً بازگشت‌پذیر هستند. کاربران می‌توانند با معکوس کردن…

۸ دقیقه خواندن
نقشه کدنویسی عامل‌محور که انحراف پروژه را ۷۰٪ کاهش می‌دهد
آموزش کاربردی

«اولویت با مستندات فنی»؛ راهکار جدید برای بهینه‌سازی توکن‌ها

یک گردش‌کار ۶ مرحله‌ای جدید با ترکیب Spec Kit و GStack، «انحراف پروژه» را در برنامه‌نویسی عامل‌محور به‌شدت کاهش می‌دهد. این متدولوژی با اولویت دادن به مستندات فنی، مصرف توکن‌ها را…

۴ دقیقه خواندن
مسیریابی هوشمند درخواست‌ها بین مدل‌های مختلف LLM بر اساس سطح پیچیدگی، نه استفاده از یک مدل واحد
آموزش کاربردی

آیا دسته‌بندی عملکردی می‌تواند دشواری مهاجرت بین مدل‌ها را بکاهد؟

پلتفرم Tierup به جای استفاده از نام‌های سخت‌افزاری مدل‌ها، از دسته‌بندی‌های عملکردی (سرعت، تعادل، هوشمندی و استدلال) استفاده می‌کند. این رویکرد اجازه می‌دهد توسعه‌دهندگان بدون…

۲ دقیقه خواندن۱
ابزارهای نوشتار دانشگاهی با هوش مصنوعی: راهکارها و ابزارهای برتر
آموزش کاربردی

پرداخت به‌ازای درخواست در برابر توکن؛ راهکار Oxlo.ai برای متون طولانی

پلتفرم Oxlo.ai با جایگزینی مدل پرداخت به‌ازای توکن با مدل پرداخت به‌ازای درخواست، هزینه پردازش مقالات طولانی را تا ۱۰۰ برابر کاهش داده است. این تغییر اقتصادی، ابزارهای تخصصی…

۵ دقیقه خواندن
دانشگاه حقوقی LlamaIndex: بازیابی هوشمند با ابزارهای جستجو، یافتن، خواندن و جستجوی متنی
آموزش کاربردی

بازیابی عامل‌محور در برابر RAG ساده در تحلیل اسناد پیچیده LlamaIndex

LlamaIndex با معرفی legal-kb، مدل جست‌وجوی تک‌مرحله‌ای را با یک «هارنس بازیابی» چندمرحله‌ای جایگزین کرد. این سیستم به عامل‌ها اجازه می‌دهد مانند یک کاربر انسانی با ابزارهای مدیریت…

۵ دقیقه خواندن۱
آیا می‌توان جایگزینی برای مدل‌های زبانی بزرگ ساخت؟ ۸ ماه، حدود ۲۰۰ آزمایش ناموفق، یک بن‌بست. ۲

دیوارِ اتصال علّی: ۲۰۰ آزمایش شکست‌خورده برای جایگزینی شبکه‌های عصبی

یک تلاش پژوهشی هشت‌ماهه برای ساخت زیرساخت دانشی نمادین و مبتنی بر CPU با شکست مواجه شد. این سیستم نتوانست بدون مدل‌های پیش‌فرض، تجربیات قدیمی را به موقعیت‌های جدید پیوند دهد.

۱۲ دقیقه خواندن۲
امضای دوطرفه: اصالت‌سنجی دو جانبه برای عامل‌های هوش مصنوعی
آموزش کاربردی

استاندارد v0x04: پیوند امضای عامل و دفترخانه برای توقف جعل هویت AI

یک استاندارد رمزنگاری جدید برای عامل‌های هوش مصنوعی، امضاهای دوجانبه را برای اثبات هم‌زمان نویسندگی و زمان‌بندی معرفی کرده است. این سیستم با ادغام کلیدهای عامل و دفترخانه، تضمین…

۶ دقیقه خواندن
پلتفرم Oxlo.ai برای بهینه‌سازی هزینه پژوهش‌های دانشگاهی با هوش مصنوعی
آموزش کاربردی

Oxlo.ai هزینه‌های استنتاج مدل‌های زبانی را تا ۱۰۰ برابر کاهش داد

سرویس Oxlo.ai با جایگزینی مدل پرداخت توکنی با قیمت ثابت به‌ازای هر درخواست، هزینه‌های پردازش متون طولانی را به‌شدت کاهش داده است. این رویکرد به پژوهشگران اجازه می‌دهد بدون نگرانی…

۳ دقیقه خواندن۳