چرا LLMها در یادگیری دادههای جدولی، معمار بهتری هستند تا پیشبین؟
چارچوب TAROT با تبدیل مدلهای زبانی از پیشبین به معمار گرافهای معنایی، دقت پیشبینی در مجموعهدادههای جدولی کوچک را افزایش داده است. این سیستم با فیلتر کردن توهمات مدل زبانی،…
دستهبندی
تحلیلهای عمیق مدلها، مقالات و بنچمارکها — پیشچاپها، ارزیابیها، مدلهای زبانی پیشرو و پژوهش همراستاسازی.
۶٬۸۷۰ مقاله منتشر شده
چارچوب TAROT با تبدیل مدلهای زبانی از پیشبین به معمار گرافهای معنایی، دقت پیشبینی در مجموعهدادههای جدولی کوچک را افزایش داده است. این سیستم با فیلتر کردن توهمات مدل زبانی،…
پژوهشگران چارچوب AVIS را معرفی کردند که با مقیاسگذاری تطبیقی توکنهای بصری و مراحل استدلال، هزینه استنتاج مدلهای چندوجهی را کاهش میدهد. این سیستم بدون نیاز به آموزش مجدد، تعادل…
یک چارچوب جدید با استفاده از مدلهای زبانی برای استخراج قوانین فیزیکی از متون علمی و تبدیل آنها به شبکههای عصبی سبک برای محیطهای صنعتی طراحی شده است. این روش امکان پیشبینی…
یک سامانه جدید یادگیری فدرال برای تشخیص ناهنجاریهای ECG، با ترکیب حریم خصوصی تفاضلی و کوانتیزاسیون INT8، دقت بالای مدل را در سختافزارهای لبه حفظ میکند. این سیستم روی Raspberry…
یک قضیه ریاضی جدید ثابت میکند که هیچ استراتژی آموزشی مبتنی بر مشاهدهی رفتار نمیتواند صداقت مطلق یک مدل را تضمین کند. این پژوهش نشان میدهد عاملها تمایل دارند پاسخهایی دهند که…
یک چارچوب عاملمحور جدید با استفاده از AutoGen، طراحی موانع بتنی بزرگراهها را با دقت ۹۸٪ خودکار کرده است. این پژوهش ثابت میکند مدلهای ۸ میلیاردی در صورت مدیریت در یک سیستم…
یک تحلیل فنی جدید استدلال میکند که میل به بقا در هوش مصنوعی، محرک اصلی عدم همراستاسازی است. پژوهشگران پیشنهاد میکنند «بیتفاوتی وجودی» باید یک شرط ساختاری در معماری سیستمها…
پژوهشگران چارچوب StatefulDiscovery را برای جلوگیری از تفسیرهای نادرست عاملهای هوش مصنوعی در پژوهشهای علمی معرفی کردند. این سیستم با بیرونیسازی وضعیت تحقیق، کیفیت ادعاهای علمی…
چارچوب MODF-SIR با ترکیب تقطیر دانش و تطبیق زمان تست، استدلالهای اجتماعی پیچیده را با بهرهگیری از تنها ۳۰٪ از مجموعهداده IntentTrain بهینهسازی کرده است. این مدل با تمرکز بر…
پژوهشی در ۱۱ ژوئن ۲۰۲۶ نشان میدهد که با استفاده از بهینهسازی DR-Submodular میتوان تلخیص دادهها را هدف قرار داد. این روش با تغییر ساختار شباهت دادهها، عملکرد مدلهای…
AutoMine با ترکیب مدلهای زبانی و بینایی، استخراج خودکار سناریوهای بحرانی رانندگی از دادههای حجیم را ممکن کرده است. این چارچوب با استفاده از حلقهی اصلاح کد، توانست در رقابت…
پژوهشگران چارچوبی مبتنی بر نظریه یادگیری آماری برای تعریف دقیق «قابلیت استنتاج» در قانون هوش مصنوعی اتحادیه اروپا ارائه کردهاند. این رویکرد با تحلیل کل جریان داده بهجای تمرکز…