دسته‌بندی
تحلیل‌های عمیق مدل‌ها، مقالات و بنچمارک‌ها — پیش‌چاپ‌ها، ارزیابی‌ها، مدل‌های زبانی پیشرو و پژوهش همراستاسازی.
۵٬۷۷۵ مقاله منتشر شده
NanoResearch یک چارچوب چند-عاملی جدید است که با شخصی‌سازی خط‌لوله پژوهش، خروجی‌های یکسان مدل‌های زبانی را کنار می‌گذارد. این سیستم از طریق تکامل هم‌زمان بانک مهارت و حافظه،…
مدل‌های استدلالی در ارزیابی‌های ساده، قدرت محاسباتی را هدر می‌دهند. چارچوب RACER با مسیریابی پویا، وظایف را به مقرون‌به‌صرفه‌ترین داور می‌سپارد و دقت را حتی در صورت تغییر توزیع…
بنچمارک جدید ComplexMCP نشان می‌دهد برترین عامل‌های هوش مصنوعی در محیط‌های ابزاری پیچیده تنها ۶۰ درصد موفقیت دارند، در حالی که این رقم برای انسان‌ها ۹۰ درصد است. این مطالعه…
چارچوب جدید MATRA روشی سیستماتیک برای تبدیل آسیب‌پذیری‌های مدل‌های زبانی به ریسک‌های عملیاتی در عامل‌های خودمختار ارائه می‌دهد. این پژوهش نشان می‌دهد که کنترل‌های معماری مانند…
چارچوب جدیدی به نام Agent Cybernetics پیشنهاد می‌کند که به جای آزمون و خطاهای تجربی، از تئوری کنترل کلاسیک برای طراحی عامل‌های هوش مصنوعی استفاده کند. هدف این رویکرد، تضمین…
پژوهشگران با معرفی GESR، جهش‌های تصادفی در رگرسیون نمادین را با «ویرایش ژنی» هدایت‌شده توسط مدل‌های BERT جایگزین کرده‌اند. این رویکرد کارایی محاسباتی و دقت کشف قوانین ریاضی از…
متد جدیدی به نام TRACE با هدف‌گیری توکن‌های حیاتی در فرآیند تقطیر، نرخ خطای مدل‌های استدلالی را کاهش داد. این رویکرد برخلاف روش‌های متراکم، از نشت اطلاعات ممتاز جلوگیری کرده و…
پژوهشگران مدل diffGHOST را معرفی کردند؛ یک مدل انتشار شرطی که با استفاده از بخش‌بندی فضای پنهان، تولید داده‌های مصنوعی مسیرهای حرکتی را بدون افشای اطلاعات حساس افراد ممکن می‌سازد.…
بنچمارک‌های سنجش سمیت در مدل‌های زبانی بزرگ به دلیل سوگیری‌های ساختاری، نتایج غیرقابل‌اعتمادی ارائه می‌دهند. پژوهشی جدید نشان می‌دهد تغییرات ساده در نوع تکلیف یا دامنه داده‌ها…
یک چارچوب تکاملی جدید با استفاده از سیاست‌های بهینه‌سازی‌شده به عنوان «معلم»، الگوریتم‌های اکتشافی (Heuristics) سریع و اجرایی می‌سازد. این سیستم نیاز به استنتاج عصبی در زمان اجرا…
پژوهشگران دریافتند که مدل‌های زبانی به‌جای پیشرفت یکنواخت، «ناهمواری» (Jaggedness) در توانمندی‌های خود دارند. با ترکیب این نقاط قوت پراکنده در مجموعه‌های فرا-مدلی، می‌توان…
پژوهشگران چارچوب جدیدی به نام استنتاج علّی سلسله‌مراتبی (HCA) معرفی کرده‌اند که تصمیمات مبهم سیستم‌های کنترل پیش‌بین را قابل‌تفسیر می‌کند. این روش با ترکیب فیزیک و داده‌های…