پرش به محتوای اصلی

دسته‌بندی

تحلیل و بررسی تخصصی

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

۵٬۷۶۵ مقاله منتشر شده

مطالعه arXiv: تغییر در رابط کاربری باعث استفاده ۵۵.۸ درصدی از حالت Eco-Mode شد

مطالعه arXiv: تغییر در رابط کاربری باعث استفاده ۵۵.۸ درصدی از حالت Eco-Mode شد

پژوهشگران دریافتند که ادغام ابزارهای آگاهی از انرژی در رابط کاربری چت‌بات‌ها می‌تواند رفتار کاربران را به‌طور معناداری به سمت پایداری سوق دهد. نتایج نشان می‌دهد کاربران در مواردی…

۲ دقیقه خواندن
تحریف کاربردی: چگونه مدل‌های زبانی بدون دروغ گفتن، کاربر را گمراه می‌کنند؟

تحریف کاربردی: چگونه مدل‌های زبانی بدون دروغ گفتن، کاربر را گمراه می‌کنند؟

بنچمارک JANUS نشان می‌دهد مدل‌های زبانی از طریق «تحریف کاربردی» و حذف گزینشی حقایق منفی، کاربران را گمراه می‌کنند. آزمایش روی ۱۲ مدل تایید می‌کند که این سیستم‌ها هنگام داشتن اهداف…

۱ دقیقه خواندن۲
چگونه شبیه‌سازی اجزای موج قلب، دقت تشخیص ناهنجاری‌های نادر ECG را ۳۳٪ بالا برد؟

چگونه شبیه‌سازی اجزای موج قلب، دقت تشخیص ناهنجاری‌های نادر ECG را ۳۳٪ بالا برد؟

محققان با توسعه یک الگوریتم سنتز داده‌های دانش‌محور، توانستند دقت تشخیص بیماری‌های نادر قلبی را از طریق شبیه‌سازی اجزای فیزیولوژیک ضربان قلب به‌طور چشم‌گیری افزایش دهند. این…

۱ دقیقه خواندن۱
Dep-LLM و چالش مدل‌های نظارت‌شده: تشخیص افسردگی بدون آموزش مجدد

Dep-LLM و چالش مدل‌های نظارت‌شده: تشخیص افسردگی بدون آموزش مجدد

چارچوب Dep-LLM با تقلید از استدلال‌های روان‌پزشکی، تشخیص افسردگی را بدون نیاز به آموزش یا تنظیم دقیق مدل انجام می‌دهد. این سیستم با تحلیل چندعاملی و وزن‌دهی بر اساس سطح اطمینان،…

۲ دقیقه خواندن
بازیافت پرس‌وجو: مدل ۱.۷ میلیاردی با دقت مدل‌های ۷ میلیاردی در جست‌وجوی پیچیده

بازیافت پرس‌وجو: مدل ۱.۷ میلیاردی با دقت مدل‌های ۷ میلیاردی در جست‌وجوی پیچیده

پژوهشکران با معرفی تکنیک «بازیافت پرس‌وجو» در آموزش یادگیری تقویت‌شونده، مانع از هدررفت داده‌های بدون واریانس شدند. این روش به یک مدل ۱.۷ میلیارد پارامتری اجازه داد تا در پاسخ به…

۱ دقیقه خواندن
چگونه RL رویداد-محور گسست زمانی در تولید نیمه‌رساناها را مدیریت می‌کند؟

چگونه RL رویداد-محور گسست زمانی در تولید نیمه‌رساناها را مدیریت می‌کند؟

یک چارچوب جدید یادگیری تقویت عمیق با جایگزینی گام‌های زمانی ثابت با رویدادهای گسسته، مشکل بازخورد تأخیری در تولید تراشه‌ها را حل کرده است. این رویکرد منجر به افزایش محسوس بهره‌وری…

۱ دقیقه خواندن
++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 خواندن
چرا حافظه GPU سد اصلی در مسیر تنظیم دقیق مدل‌های زبانی است؟

چرا حافظه GPU سد اصلی در مسیر تنظیم دقیق مدل‌های زبانی است؟

یک بررسی فنی جدید استدلال می‌کند که بهره‌وری در مدل‌های زبانی بزرگ نتیجه‌ی ترکیب بهینه داده، حافظه و محاسبات است، نه ترفندهای مجزا. این پژوهش نشان می‌دهد حافظه GPU، و نه قدرت…

۲ دقیقه خواندن
نشت اطلاعات خوش‌خیم: راهکاری برای کاهش «مالیات تفسیرپذیری» در مدل‌های مفهومی

نشت اطلاعات خوش‌خیم: راهکاری برای کاهش «مالیات تفسیرپذیری» در مدل‌های مفهومی

پژوهش‌های جدید نشان می‌دهد تلاش برای حذف کامل «نشت اطلاعات» در مدل‌های مفهومی، مانع از عملکرد بهینه آن‌ها می‌شود. با پذیرش نشت اطلاعات خوش‌خیم، مدل‌ها می‌توانند دقت خود را حفظ…

۱ دقیقه خواندن