پرش به محتوای اصلی

دسته‌بندی

تحلیل و بررسی تخصصی

تحلیل‌های عمیق مدل‌ها، مقالات و بنچمارک‌ها — پیش‌چاپ‌ها، ارزیابی‌ها، مدل‌های زبانی پیشرو و پژوهش همراستاسازی.

۶٬۸۲۳ مقاله منتشر شده

سازوکار Neural Tilting: غلبه بر محدودیت‌های گوسی در مدل‌سازی رویدادهای دم-پهن

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…

۲ دقیقه خواندن۳

چرا بهینه‌سازی خط لوله داده مؤثرتر از تغییر معماری مدل است؟

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…

۲ دقیقه خواندن۱

سازوکار Shielded SPI: حل تضاد میان عملکرد و ایمنی در یادگیری تقویت‌شده آفلاین

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…

۲ دقیقه خواندن۲

سازوکار LoKA: غلبه بر ناپایداری عددی FP8 در مدل‌های توصیه‌گر بزرگ

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…

۲ دقیقه خواندن۱

چگونه تئوری AVCT دقت اندازه‌گیری فشار خون در موبایل را به سطح کلینیکی رساند؟

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…

۲ دقیقه خواندن۱

کاهش ۲۴ درصدی سوگیری فرهنگی در LLMها از طریق مدل‌سازی اختلاف‌نظرها

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…

۲ دقیقه خواندن۱

کاهش ۱۵.۷ درصدی انحراف پیش‌بینی در داده‌های ICU با معماری Clin-JEPA

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…

۲ دقیقه خواندن

گزارش arXiv: افزایش ۴۲.۴ امتیازی موفقیت ویرایش مولکولی با چارچوب SLIM

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…

۲ دقیقه خواندن۱

چرا رویکرد پیش‌بینانه در حافظه‌ی عامل‌های یادگیری تقویت‌شده ناکارآمد است؟

پژوهشگران با معرفی الگوریتم ASMPG، راهکاری برای حل چالش‌های یادگیری تقویت‌شده‌ی غیرمارکوفی ارائه کرده‌اند. این روش با جایگزینی اهداف پیش‌بینانه با بهینه‌سازی پاداش‌محور، نرخ…

۲ دقیقه خواندن۲

چرا ضریب تخفیف $\gamma$ در تحلیل همگرایی Q-VI بیش از حد بدبینانه است؟

تحلیل جدیدی از تکرار مقادیر Q (Q-VI) با استفاده از چارچوب شعاع طیفی مشترک (JSR) ثابت می‌کند که نرخ همگرایی می‌تواند سریع‌تر از ضریب تخفیف استاندارد $\gamma$ باشد. این یافته اگرچه…

۲ دقیقه خواندن۲

چرا مدل‌های زیر ۳۲ میلیارد پارامتر منطق را با فرمت پاسخ اشتباه می‌گیرند؟

پژوهشگران یک نقص سیستماتیک در مطالعات «تخریب» برای سنجش وفاداری زنجیره تفکر کشف کرده‌اند. نتایج نشان می‌دهد مدل‌های کوچک اغلب به جای تکیه بر گام‌های استدلالی، صرفاً از فرمت پاسخ…

۲ دقیقه خواندن۱