چگونه KrausKGE با تکیه بر نظریه کراس، روابط پیچیده N-to-N را مدلسازی میکند؟
مدل جدید KrausKGE با تعریف روابط به عنوان کانالهای الهامگرفته از کوانتوم، چالش روابط N-to-N در گرافهای دانش را حل کرده است. این چارچوب نیاز به محدودیتهای نرم (Norm…
دستهبندی
تحلیلهای عمیق مدلها، مقالات و بنچمارکها — پیشچاپها، ارزیابیها، مدلهای زبانی پیشرو و پژوهش همراستاسازی.
۶٬۸۲۳ مقاله منتشر شده
مدل جدید KrausKGE با تعریف روابط به عنوان کانالهای الهامگرفته از کوانتوم، چالش روابط N-to-N در گرافهای دانش را حل کرده است. این چارچوب نیاز به محدودیتهای نرم (Norm…
چارچوب جدید TAP با جایگزینی معیار «واقعنمایی» با «کاربردی بودن»، دقت مدلهای طبقهبندی در محیطهای کمداده را تا ۱۵.۶ درصد افزایش داده است. این متد با استفاده از یک سیاست…
پژوهشگران مکانیزم توجه جدیدی به نام KVM معرفی کردهاند که شکاف میان ترنسفورمرها و RNNهای خطی را پر میکند. این روش با ایجاد رشد زیرخطی در وضعیت حافظه، هزینههای پردازش متون بلند…
پژوهشی جدید نشان میدهد توکنهای بافت نهفته پیوسته به مدلهای کوچک اجازه میدهند الگوریتمهای یادگیری آنلاین را بهینهتر از مدلهای زبانی بزرگ اجرا کنند. یک مدل با معماری GPT-2 با…
مدل DeepRefine با استفاده از یادگیری تقویتشده، نقصها و افزونگیهای پایگاه دانش در عاملهای هوش مصنوعی را شناسایی و اصلاح میکند. این مدل با معرفی پاداش GBD، نیاز به دادههای…
بنچمارک جدید PrimeKG-CL نشان میدهد که استفاده از ویژگیهای چندوجهی میتواند دقت وظایف هوش مصنوعی در حوزه زیستپزشکی را تا ۶۰٪ افزایش دهد. این مطالعه همچنین شکستهای جدی در…
چارچوب MoPO با معرفی مکانیسم پیشفرضهای حرکتی، مشکل لرزش و عدم دقت در بازسازی مشهای انسانی هنگام انسداد (Occlusion) را حل میکند. این مدل با استفاده از دادههای تاریخی ژستها،…
یک چارچوب نظری جدید ثابت میکند که همراستاسازی ماتریسهای وزن در شبکههای عمیق، یک ضرورت ریاضی است و نه یک اتفاق تجربی. این پژوهش با استفاده از تنوع پرچمها، تبیینی بنیادین برای…
تحلیل فنی ترنسفورمرهای Attention-Residual نشان میدهد که ردپاهای مسیریابی داخلی، شواهد پایداری برای کالیبراسیون پسینی فراهم نمیکنند. این مطالعه هشدار میدهد که بهبودهای ظاهری در…
پژوهشگران مدل FEM را برای حذف «مصنوعات پل-مود» در شبکههای بیزی ترکیبی معرفی کردند. این مدل با استفاده از تکنیک تنظیم دره، توهمات احتمالی در نقاط خالی بین خوشههای داده را از بین…
یک مدل تخصصی با نام Fashion Florence با تنها ۰.۷۷ میلیارد پارامتر، در استخراج دادههای ساختاریافتهی مد از تصاویر، مدلهای پیشرویی چون GPT-4o-mini را شکست داد. این دستاورد نشان…
پژوهشگران دریافتند که کوانتیزاسیون گرادینتهای وزن (Wgrad) عامل اصلی ناپایداری در آموزش مدلهای زبانی با دقت FP4 است. استفاده از چرخشهای قطعی هادامار، برخلاف روشهای تصادفی،…