
چرا ASTها گلوگاه اصلی تأیید کد در مقیاس بزرگ هستند
یک خط لولهی پژوهشی جدید با تبدیل برنامهها به گرافهای صفتدار، امکان بازیافت مصنوعات تأیید کد را فراهم کرده است. این سیستم با ترکیب تحلیل ساختاری و بردارهای معنایی، شباهتهای…
دستهبندی
تحلیلهای عمیق مدلها، مقالات و بنچمارکها — پیشچاپها، ارزیابیها، مدلهای زبانی پیشرو و پژوهش همراستاسازی.
۵٬۷۶۱ مقاله منتشر شده

یک خط لولهی پژوهشی جدید با تبدیل برنامهها به گرافهای صفتدار، امکان بازیافت مصنوعات تأیید کد را فراهم کرده است. این سیستم با ترکیب تحلیل ساختاری و بردارهای معنایی، شباهتهای…

پژوهشگران چارچوب جدیدی به نام AI Council را برای مقابله با «توافق مصنوعی» در شبیهسازیهای چند-عاملی معرفی کردند. این روش با جایگزینی مدلهای متنوع ۷ تا ۹ میلیارد پارامتری، مانع…

پژوهشگران با معرفی چارچوب DUAL-BLADE، گلوگاه حافظه در رایانش لبه را با حذف حافظهی صفحهی هسته (Kernel Page Cache) شکستند. این سیستم تأخیر استنتاج را بهطور چشمگیری کاهش داده و…

پژوهشگران با معرفی TLPO، راهکاری برای پایان دادن به تغییر زبان ناگهانی در مدلهای چندزبانه ابداع کردند. این روش برخلاف متدهای سنتی، بدون تخریب هوش کلی مدل، خطاهای زبانی را در سطح…

یک چارچوب جدید و بدون نیاز به آموزش، دقت مدلهای استدلالی بزرگ در مسائل ریاضی را ۳ تا ۷ درصد افزایش داده است. این روش با جایگزینی نمونهبرداری انبوه با یک سیستم مسیریابی هوشمند،…

پژوهشگران راهکاری برای استفاده از دادههای متنی خالص جهت ارتقای مدلهای تشخیص گفتار یافتهاند. این مطالعه نشان میدهد پیکربندیهای ساده، مانند مدلهای مدتزمان تصادفی، اغلب از خط…

پژوهشگران راهکاری برای کاهش تأخیر در مدلهای چندوجهی (VLM) ابداع کردهاند که ارتباط بین دستگاههای لبه و ابر را بهینه میکند. این سیستم با استفاده از Meta AutoEncoder، دادههای…

پژوهشگران با معرفی Quantum Gatekeeper، استگانوگرافی را به سطح جدیدی از امنیت بردند. این سیستم با استفاده از محاسبات کوانتومی، هرگونه تلاش برای استخراج ناقص دادهها را به شکست کامل…

پژوهشگران چارچوب جدیدی به نام Tree-of-Text معرفی کردهاند که تبدیل جداول پیچیده به گزارشهای متنی را متحول میکند. این روش با کاهش شدید توهمات، هزینههای عملیاتی را تا ۶۰ درصد…

مدل STLGT با استفاده از یک ترنسفورمر گراف خطی، پیشبینی تأخیر در میکروسرویسها را ۱۲ برابر سریعتر کرد. این معماری جدید دقت پیشبینی p95 را افزایش داده و هزینه استنتاج را به شدت…

یک مطالعه جدید نشان میدهد استانداردهای ایمنی هوش مصنوعی غربی در محیطهای غیرغربی مانند عربستان سعودی شکست میخورند. تضاد بین ارزشهای فرهنگی و مدلهای امنیتی فعلی، کاربران جوان…

SecMate یک دستیار هوش مصنوعی عاملمحور است که با تحلیل دادههای دستگاه و کاربر، دقت حل مشکلات امنیتی را به بیش از ۹۰ درصد رسانده است. این سیستم ثابت کرد که در اکثر سناریوهای…