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

دوک‌سیکر: روشی نوین برای تحلیل هوشمند اسناد بلند با استدلال بصری

دوک‌سیکر یک چارچوب آموزشی دو مرحله‌ای برای مدل‌های زبانی چندوجهی ارائه می‌دهد که اسناد طولانی را از طریق سه مرحله تحلیل، محلی‌سازی و استدلال پردازش می‌کند. این روش با مشکلات نسبت…

۱ دقیقه خواندن

تحقیق جدید: عملکرد مدل‌های زبانی با تغییرات ظریف در پرامپت تا ۶۱.۸٪ کاهش می‌یابد

پژوهشی تازه منتشر شده در arxiv.org از چارچوب ارزیابی جدیدی به نام IFEval++ رونمایی کرده که «اعتمادپذیری ظریف‌محور» در مدل‌های زبانی را می‌سنجد. بررسی ۴۶ مدل نشان داده که عملکرد…

۱ دقیقه خواندن۱

تست نفوذ مدل‌های استدلالی بزرگ: معیاری تازه برای سنجش اعتمادپذیری

پژوهشگران معیار RT-LRM را برای ارزیابی صداقت، امنیت و کارایی مدل‌های استدلالی بزرگ پیشنهاد کرده‌اند. یافته‌ها نشان می‌دهد این مدل‌ها در مقایسه با مدل‌های زبانی معمولی، با چالش‌های…

۲ دقیقه خواندن۱

روشی بدون آموزش مجدد برای کاهش توهم در مدل‌های زبانی چندوجهی

پژوهشگران روش «رمزگشایی از طریق اختلال» (DeP) را معرفی کرده‌اند که بدون نیاز به آموزش مجدد، توهمات مدل‌های زبانی چندوجهی را کاهش می‌دهد. این روش با اعمال مداخلات متنی کنترل‌شده در…

۱ دقیقه خواندن۱

اسپک‌باند: حدس‌زنی کران‌دار تطبیقی برای استنتاج سریع‌تر مدل‌های زبانی بزرگ

پژوهشگران چارچوبی به نام اسپک‌باند معرفی کرده‌اند که با استفاده از تابکاری دمایی لایه‌به‌لایه و کران‌گذاری تطبیقی بر طول حدس، سرعت استنتاج مدل‌های زبانی را تا ۲.۳۳ برابر افزایش…

۱ دقیقه خواندن۱

کمریزنر درک حرکت دوربین را با استدلال ساختاریافته بهبود می‌بخشد

پژوهشگران کمریزنر را معرفی کردند؛ چارچوبی که با استدلال ساختاریافته، درک حرکت دوربین در ویدئو را بهبود می‌دهد و به دستاوردهای دقت قابل‌توجهی در معیارهای ارزیابی دست یافته است.

۱ دقیقه خواندن۱

پاداش‌های عقلانی: مقیاس‌بندی تولید بصری با پاداش‌های استدلالی

چارچوب RationalRewards مدل‌های پاداش چندبُعدی را معرفی می‌کند که در زمان آموزش و آزمایش، کیفیت تولیدکننده‌های تصویر را بهبود می‌بخشند. این مدل به دقت بالا در پیش‌بینی ترجیحات دست…

۱ دقیقه خواندن۲

MemJack: حملات جیل‌بریک مبتنی بر حافظه علیه مدل‌های بینایی-زبانی

پژوهشگران چارچوب «MemJack» را معرفی کرده‌اند؛ یک سیستم حمله چندعامله که با بهره‌گیری از ساختارهای معنایی تصاویر، مدل‌های بینایی-زبانی را هدف قرار می‌دهد. این روش در آزمایش‌ها علیه…

۲ دقیقه خواندن۱

مُدیکس: روشی تطبیقی برای بهینه‌سازی موقعیت‌یابی در مدل‌های بینایی-زبان

پژوهشگران چارچوب مُدیکس را توسعه داده‌اند که بدون نیاز به آموزش، نحوه تخصیص موقعیت در مدل‌های بینایی-زبان را بر اساس چگالی اطلاعات در هر بخش تنظیم می‌کند. این روش با اختصاص دقت…

۱ دقیقه خواندن۱