درون معماری Piper؛ پایان عصر گلوگاه‌های ارتباطی در MoE
چارچوب جدید Piper با بهینه‌سازی آموزش مدل‌های مخلوط خبره (MoE) در پلتفرم‌های HPC، بهره‌وری محاسباتی را تا ۳.۵ برابر افزایش داده است. این دستاورد با حذف گلوگاه‌های ارتباطی و…
۲ دقیقه خواندن۱
دسته‌بندی
تحلیل و بررسی تخصصی
تحلیل‌های عمیق مدل‌ها، مقالات و بنچمارک‌ها — پیش‌چاپ‌ها، ارزیابی‌ها، مدل‌های زبانی پیشرو و پژوهش همراستاسازی.
۵٬۷۶۹ مقاله منتشر شده
رمزگشایی از PBSD؛ پایان عصر ناپایداری در تقطیر خودکار مدل‌ها
پژوهشگران روش جدیدی به نام PBSD را معرفی کرده‌اند که با جایگزینی تطبیق KL با تنظیم منظم پاداش، پایداری آموزش را افزایش می‌دهد. این رویکرد باعث جهش در توانایی‌های استدلالی و…
۲ دقیقه خواندن۱
پایان کابوس انگشت‌های ششم؛ رمزگشایی از هندسه‌ی توهمات AI
پژوهشگران علت توهمات ساختاری در مدل‌های انتشار را در ناپایداری‌های هندسی یافتند. روش جدیدی به نام فرونشانی ذاتی (IQ) می‌تواند با اصلاح ابعاد مدل، دقت آناتومیک تصاویر، به‌ویژه در…
۲ دقیقه خواندن۱
تله‌ی ایمنی؛ راز شکست مدل‌های پاداش در درک اخلاقیات
مدل‌های پاداش که برای همراستاسازی LLMها استفاده می‌شوند، در تشخیص رفتارهای غیراخلاقی ناتوان‌اند. پژوهشی جدید نشان می‌دهد تلاش برای حذف سوگیری، منجر به کاهش شدید حساسیت مدل به…
۲ دقیقه خواندن
داده‌های Arxiv: یادگیری فدرال به دقت مدل‌های متمرکز در پیش‌بینی شارژ EV رسید
پژوهشگران روشی برای پیش‌بینی نیاز انرژی خودروهای برقی ابداع کرده‌اند که حریم خصوصی را کاملاً تضمین می‌کند. این سیستم با استفاده از یادگیری فدرال، دقتی نزدیک به مدل‌های متمرکز دارد…
۲ دقیقه خواندن
بدهی فنی AI؛ بمب ساعتی که کدهای تولیدی شما را تهدید می‌کند
کدهای تولیدشده توسط AI اغلب در محیط عملیاتی شکست می‌خورند چون محدودیت‌های زیرساختی را نمی‌شناسند. روش جدید «داربست‌بندی بازیابی‌افزا» با استفاده از حلقه‌های عامل‌محور، این شکاف را…
۲ دقیقه خواندن۲
واژگان ابداعی؛ کلید یادگیری مهارت‌های جدید بدون به‌روزرسانی وزن‌های AI
پژوهشگران روشی به نام «واژگان ابداعی» را معرفی کرده‌اند که به مدل‌های زبانی اجازه می‌دهد بدون تغییر وزن‌ها، مهارت‌های جدید کسب کنند. این رویکرد مشکل فراموشی فاجعه‌بار و…
۲ دقیقه خواندن۲
چرا فاصله‌ی اقلیدسی در انتقال بهینه‌ی داده‌ها یک اشتباه است؟
معرفی روش ReshapeOT برای اصلاح مدل‌سازی تغییرات توزیع داده‌ها. این متد با جایگزینی معیارهای اقلیدسی با فاصله‌ی ماهالانوبیس، دقت هندسی پیش‌بینی‌ها را در محیط‌های پویا به‌شدت افزایش…
۲ دقیقه خواندن۱
چرا مدل‌های استدلالی نباید برای پاسخ درست پاداش بگیرند؟
پژوهشگران با معرفی EP-GRPO، نقص‌های سیستماتیک در بهینه‌سازی سیاست‌های گروهی را برطرف کرده‌اند. این چارچوب با حذف نیاز به مدل‌های پاداش خارجی، دقت و کارایی مدل‌های زبانی در…
۲ دقیقه خواندن۱
داده‌های جدید Arxiv: مدل DART دقت بازرسی کابل‌ها را ۳۸٪ جهش داد
مدل DART با ترکیب بینایی و زبان، بازرسی کابل‌های صنعتی را خودکار کرده و دقت تشخیص آسیب را به شکل چشم‌گیری افزایش داده است. این سیستم بدون نیاز به تنظیم دقیق، شدت آسیب را تخمین زده…
۲ دقیقه خواندن۳
۷ عامل پنهانی که استنتاج علیتی در شبکه‌های ژنی را مختل می‌کنند
پژوهشگران ۷ «پاتولوژی» یا نقص داده‌ای را شناسایی کردند که مزایای روش‌های علیتی در نقشه‌برداری ژنی را خنثی می‌کند. این مطالعه با ۶,۱۲۰ آزمایش ثابت کرد که مدل‌های علیتی در محیط‌های…
۲ دقیقه خواندن۳
تغییر ساختاری در تفکر ماشین‌ها؛ چرا گراف‌ها بر متون پیروز شدند؟
پژوهشگران چارچوب **گراف‌های ایده‌ی تکاملی** (Evolving Idea Graphs) را معرفی کردند که با جایگزینی متون خطی با گراف‌های پویا، کیفیت ایده‌های علمی را متحول می‌کند. این سیستم در…
۲ دقیقه خواندن۱