پرش به محتوای اصلی

دسته‌بندی

تحلیل و بررسی تخصصی

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

۵٬۷۸۲ مقاله منتشر شده

چرا شباهت کسینوسی برای استخراج عوامل ریشه‌ای در گزارش‌های پزشکی ناکارآمد است؟

چرا شباهت کسینوسی برای استخراج عوامل ریشه‌ای در گزارش‌های پزشکی ناکارآمد است؟

پژوهشی جدید نشان می‌دهد انتخاب نمونه‌های Few-shot بر اساس برچسب‌های متنی، بسیار پایدارتر از شباهت کسینوسی در تولید گزارش‌های حوادث پزشکی است. این روش در مدل‌های GPT-4o و LLaMA 3.3…

۲ دقیقه خواندن۱
سازوکار Move Prover: ترکیب تحلیل WP و عامل‌های هوش مصنوعی برای حذف Boilerplate

سازوکار Move Prover: ترکیب تحلیل WP و عامل‌های هوش مصنوعی برای حذف Boilerplate

یک ابزار جدید برای استنتاج مشخصات در Move Prover، تحلیل مکانیکی WP را با عامل‌های هوش مصنوعی از طریق پروتکل MCP ترکیب کرده است. این سیستم ترکیبی، تولید پیش‌شرط‌ها و پس‌شرط‌ها را…

۲ دقیقه خواندن۱
حل مشکل «رانش توجه» برای دو برابر کردن نرخ پذیرش در رمزگشایی گمانه‌زن

حل مشکل «رانش توجه» برای دو برابر کردن نرخ پذیرش در رمزگشایی گمانه‌زن

پژوهشگران پدیده‌ای به نام «رانش توجه» را شناسایی کرده‌اند که در آن مدل‌های پیش‌بین در رمزگشایی گمانه‌زن، پرامپت را نادیده می‌گیرند. اعمال تغییرات معماری Post-norm و RMSNorm…

۲ دقیقه خواندن۱
HapticLDM: جایگزینی توالی‌های خطی با مدل‌های انتشار برای تولید لرزش‌های لمسی

HapticLDM: جایگزینی توالی‌های خطی با مدل‌های انتشار برای تولید لرزش‌های لمسی

پژوهشگران مدل HapticLDM را معرفی کردند؛ نخستین سیستم تبدیل متن به لرزش بر پایه مدل‌های انتشار لایه‌ای. این مدل با غلبه بر محدودیت‌های مدل‌های توالی‌محور، بازخوردهای لمسی…

۲ دقیقه خواندن۲
چرا G-Zero نیاز به مدل‌های داور را در تکامل خودکار هوش مصنوعی حذف می‌کند؟

چرا G-Zero نیاز به مدل‌های داور را در تکامل خودکار هوش مصنوعی حذف می‌کند؟

چارچوب G-Zero با حذف نیاز به مدل‌های داور خارجی، امکان تکامل خودکار مدل‌های زبانی در وظایف باز را فراهم می‌کند. این سیستم از طریق سازوکار Hint-δ، نقاط کور مدل را شناسایی کرده و…

۲ دقیقه خواندن۱
سازوکار TPAW: حذف وابستگی به داده‌های انسانی در همراستاسازی مدل‌های زبانی

سازوکار TPAW: حذف وابستگی به داده‌های انسانی در همراستاسازی مدل‌های زبانی

الگوریتم TPAW با جایگزینی نظارت انسانی با یک چارچوب رقابتی تیمی میان نسخه‌های مختلف مدل، پایداری همراستاسازی را افزایش می‌دهد. این روش با استفاده از وزن‌دهی تطبیقی، مشکل تقویت…

۲ دقیقه خواندن
رمزگشایی از PruneTIR: حذف مسیرهای خطا برای ارتقای استدلال در عامل‌های هوش مصنوعی

رمزگشایی از PruneTIR: حذف مسیرهای خطا برای ارتقای استدلال در عامل‌های هوش مصنوعی

PruneTIR چارچوبی جدید برای بهینه‌سازی زمان استنتاج است که با حذف مسیرهای اشتباه و بازنمونه‌برداری از تلاش‌های شکست‌خورده، دقت استفاده از ابزارها در مدل‌های زبانی را افزایش می‌دهد.…

۲ دقیقه خواندن۲
HGC-Det: استفاده از هندسه‌ی هایپربولیک برای کاهش اتلاف ویژگی در تشخیص سه‌بعدی

HGC-Det: استفاده از هندسه‌ی هایپربولیک برای کاهش اتلاف ویژگی در تشخیص سه‌بعدی

پژوهشگران چارچوب جدیدی به نام HGC-Det معرفی کرده‌اند که با بهره‌گیری از فضای هایپربولیک، ادغام داده‌های تصویری و ابر نقاط را در تشخیص اشیاء سه‌بعدی بهینه می‌کند. این روش با کاهش…

۲ دقیقه خواندن
سازوکار NaiAD برای بهینه‌سازی تبلیغات در مدل‌های زبانی بدون کاهش کاربرد

سازوکار NaiAD برای بهینه‌سازی تبلیغات در مدل‌های زبانی بدون کاهش کاربرد

پژوهشگران چارچوب NaiAD را معرفی کردند؛ مجموعه‌داده‌ای با ۵۹ هزار نمونه برای بهینه‌سازی تبلیغات بومی در مدل‌های زبانی. این سیستم چهار استراتژی معنایی را شناسایی کرده است که اجازه…

۲ دقیقه خواندن
مطالعه Arxiv: تشخیص افسردگی با دقت ۷۱٪ از طریق تحلیل سیگنال‌های خام صوتی

مطالعه Arxiv: تشخیص افسردگی با دقت ۷۱٪ از طریق تحلیل سیگنال‌های خام صوتی

یک مدل یادگیری عمیق جدید توانسته است با تحلیل سیگنال‌های خام صوتی، افسردگی و اضطراب را با حساسیت و ویژگی ۷۱ درصدی تشخیص دهد. این دستاورد نشان می‌دهد نشانگرهای زیستی صوتی مستقل از…

۲ دقیقه خواندن۱
چرا ترنسفورمرهای تصادفی در تشخیص مراحل خواب از مدل‌های آموزش‌دیده پیشی می‌گیرند؟

چرا ترنسفورمرهای تصادفی در تشخیص مراحل خواب از مدل‌های آموزش‌دیده پیشی می‌گیرند؟

پژوهشگران دریافتند که ترنسفورمرهای با مقداردهی اولیه تصادفی می‌توانند در تشخیص مراحل خواب از مدل‌های آموزش‌دیده بهتر عمل کنند. این یافته نشان می‌دهد که سوگیری استقرایی معماری، و…

۲ دقیقه خواندن۱