دسته‌بندی
تحلیل‌های عمیق مدل‌ها، مقالات و بنچمارک‌ها — پیش‌چاپ‌ها، ارزیابی‌ها، مدل‌های زبانی پیشرو و پژوهش همراستاسازی.
۵٬۷۸۲ مقاله منتشر شده
پلتفرم ModelScope به منبع اصلی و معتبر مدل‌های Qwen و DAMO تبدیل شده است. اگرچه تجربه کاربری آن شبیه Hugging Face است، اما ابزارهایی مانند ms-swift سرعت تنظیم دقیق را به‌شدت…
بسیاری از مدیران فناوری با اولویت دادن به انتخاب ابزار بر استانداردسازی رفتار تیم، باعث ایجاد پراکندگی در گردش کار و افزایش بدهی فنی می‌شوند. برای دستیابی به بهره‌وری مقیاس‌پذیر،…
پژوهشگران مدل ELF را معرفی کرده‌اند؛ مدل انتشاری که به‌جای توکن‌های گسسته، در فضای پیوسته‌ی بردار معنایی عمل می‌کند. این رویکرد با استفاده از تطبیق جریان، کیفیت تولید متن را بهبود…
یک چارچوب جدید برای تغییر نمایی عصبی، استنتاج بیزی را در معادلات دیفرانسیل تصادفی مبتنی بر لوی بهینه می‌کند. این دستاورد به هوش مصنوعی اجازه می‌دهد رویدادهای حدی و دم-پهن را در…
چارچوب DataMaster با خودکارسازی فرآیند کشف و پاک‌سازی داده‌ها، نرخ موفقیت در بنچمارک MLE-Bench را ۳۲.۲۷٪ افزایش داد. این دستاورد نشان می‌دهد که پیشرفت‌های آتی در یادگیری ماشین بیش…
پژوهشگران روشی برای تلفیق بهبود سیاست ایمن (SPI) با حفاظ‌بندی احتمالی در یادگیری تقویت‌شده آفلاین ابداع کرده‌اند. این رویکرد تضمین می‌کند که عامل‌ها حتی در شرایط کمبود داده، بدون…
چارچوب LoKA با ترکیب تحلیل آماری و تطبیق مدل، استفاده از دقت پایین FP8 را در مدل‌های توصیه‌گر بزرگ (LRMs) بدون کاهش دقت ممکن کرده است. این رویکرد با جایگزینی مهندسی صرفِ کرنل با…
یک چارچوب ریاضی جدید به نام تئوری جفت‌شدگی عروقی-جذب‌کننده (AVCT) امکان تخمین فشار خون را با دقت کلینیکی در گوشی‌های هوشمند فراهم کرده است. این مدل با خطای تنها ۲.۰۵ میلی‌متر جیوه…
روش جدیدی به نام DISCA سوگیری‌های فرهنگی در مدل‌های زبانی بزرگ را بدون نیاز به تنظیم دقیق و تا ۲۴٪ کاهش می‌دهد. این متد با تبدیل اختلاف‌نظرهای اجتماعی-دموگرافیک به اصلاحات لحظه‌ای…
معماری Clin-JEPA با معرفی یک برنامه پیش‌آموزشی پنج‌مرحله‌ای، پایداری پیش‌بینی مسیر سلامت در پرونده‌های الکترونیک سلامت را بهینه کرده است. این مدل با تلفیق یک رمزگذار Qwen3-8B و یک…
پژوهشگران چارچوب SLIM را معرفی کردند که با استفاده از اتوانکودرهای پراکنده، امکان ویرایش دقیق ویژگی‌های مولکولی را بدون تغییر در پارامترهای مدل فراهم می‌کند. این روش نرخ موفقیت در…
پژوهشگران با معرفی الگوریتم ASMPG، راهکاری برای حل چالش‌های یادگیری تقویت‌شده‌ی غیرمارکوفی ارائه کرده‌اند. این روش با جایگزینی اهداف پیش‌بینانه با بهینه‌سازی پاداش‌محور، نرخ…