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

درون معماری HH-SAE: تفکیک سه لایه‌ای برای شکار سیگنال‌های نادر در داده‌های حجیم

پژوهشگران با معرفی مدل HH-SAE توانستند با تفکیک داده‌ها به سه سطح زمینه‌ای، اتمی و ترکیبی، دقت تشخیص کلاهبرداری را به ۰.۹۱۵۶ برسانند. این مدل با حل مشکل «تضاد تراکم ویژگی‌ها»،…

۲ دقیقه خواندن۱

چرا قوانین مقیاس‌پذیری در حذف کلیشه‌های اجتماعی مدل‌های زبانی شکست می‌خورند؟

پژوهش جدید StereoTales نشان می‌دهد تمام مدل‌های زبانی بزرگ، بدون توجه به اندازه یا سازنده، در تولید داستان‌های باز، کلیشه‌های مضر اجتماعی را بازتولید می‌کنند. این سوگیری‌ها ایستا…

۲ دقیقه خواندن۱

چرا میانگین دقت در مدل‌های پزشکی، حقیقتِ شکست‌های پنهان را می‌پوشاند؟

چارچوب جدید FairDRO با هدف قرار دادن «شکست‌های پنهان درون‌گروهی»، دقت مدل‌های بخش‌بندی تصاویر پزشکی را در بدترین سناریوها تا ۷.۴٪ بهبود بخشیده است. این رویکرد به‌جای تکیه بر…

۲ دقیقه خواندن۱

حذف سد خطای فاکتوریزاسیون در مدل‌های انتشار ماسک‌دار با رویکرد IMDM

مدل جدید IMDM با معرفی ماسک‌های تصادفی، محدودیت‌های نظری تولید سریع در مدل‌های انتشار ماسک‌دار (MDM) را از بین برد. این دستاورد باعث افزایش چشمگیر سرعت نمونه‌برداری بدون کاهش…

۲ دقیقه خواندن۱

کاهش زمان تأیید شبکه‌های عصبی آنالوگ از چند روز به چند ثانیه

پژوهشگران با جایگزینی شبیه‌سازی‌های کند مونت‌کارلو با تحلیل دسترسی مبتنی بر زونوتوپ‌های چندجمله‌ای، زمان تأیید سخت‌افزارهای هوش مصنوعی آنالوگ را به‌شدت کاهش داده‌اند. این روش…

۲ دقیقه خواندن۱

چرا پروب‌های خطی کیفیت واقعی رمزگذارهای صوتی را پنهان می‌کنند؟

پژوهش‌های جدید نشان می‌دهد بنچمارک‌های استاندارد زیست‌صوتی (Bioacoustic) به دلیل استفاده از پروب‌های خطی بیش از حد ساده، کیفیت رمزگذارهای صوتی را کمتر از حد واقعی تخمین می‌زنند.…

۲ دقیقه خواندن۱

چگونه توکن‌های تخصصی CoWorld-VLA خطای استدلال در رانندگی خودکار را کاهش می‌دهند؟

مدل CoWorld-VLA با معرفی توکن‌های تخصصی برای داده‌های هندسی و پویا، استدلال سطح بالا را به عمل دقیق در رانندگی خودکار متصل می‌کند. این چارچوب در بنچمارک NAVSIM v1 دقت مسیر و ایمنی…

۲ دقیقه خواندن۱

چرا مدل‌های کوچک در تحلیل داده‌های رابطه‌ای شکست می‌خورند؟

یک مطالعه در مه ۲۰۲۶ نشان می‌دهد که مدل‌های زبانی پیشرو همچنان برتری مطلق خود را در پاسخ‌گویی به پرسش‌های مجموعه‌داده‌ها حفظ کرده‌اند. مدل‌های کوچک و بهینه، به‌ویژه در تبدیل زبان…

۲ دقیقه خواندن۳

AnomalyClaw: افزایش ۷.۹۳ واحدی AUROC در تشخیص ناهنجاری‌های بصری با رویکرد ردّیه

عامل AnomalyClaw با جایگزینی استنتاج تک‌مرحله‌ای با یک فرآیند ردّیه چندمرحله‌ای، دقت تشخیص ناهنجاری‌های بصری را به‌طور چشم‌گیری افزایش می‌دهد. این ابزار بدون نیاز به آموزش مجدد،…

۲ دقیقه خواندن

کاهش هزینه برچسب‌گذاری اشیاء با رویکرد استنتاج-محور در چارچوب PAL

چارچوب PAL هزینه برچسب‌گذاری کادرهای محدودکننده را با انتخاب داده‌های اثرگذار تنها از طریق خروجی‌های استنتاج کاهش می‌دهد. این سیستم مستقل از معماری مدل است و نیاز به تغییر در خط…

۲ دقیقه خواندن

اتوماسیون حدس‌های مدارات کوانتومی با استدلال نوروسمبولیک در چارچوب SCALAR

چارچوب جدید SCALAR با ترکیب مدل‌های زبانی و استدلال نمادین، شناسایی الگوهای پیچیده در مدارات کوانتومی را خودکار می‌کند. این سیستم که بر بستر CUDA-Q توسعه یافته، قادر است تا ۷۷…

۲ دقیقه خواندن۱