LAST PUBLISHED
تازهترین اخبار
هر چیزی که در داتهوش منتشر شده، به ترتیب زمان. تازههای کمتر از یک ساعت با نشانک زنده مشخص شدهاند.
- ۳۱۸۱
تحلیل و بررسی تخصصیکاهش 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 لولهی آموزش را از بین میبرد.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۳۱۸۲
تحلیل و بررسی تخصصیاتوماسیون 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 کیوبیت را تحلیل کرده و محدودیتهای بهینهسازی QAOA را استخراج کند.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۳۱۸۳
تحلیل و بررسی تخصصیچگونه 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 Constraints) و رمزگذارهای مسیر را بهطور کامل حذف میکند.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۳۱۸۴
تحلیل و بررسی تخصصیسازوکار TAP: عبور از واقعنمایی به سوی کاربردیسازی دادههای مصنوعی جدولی
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 هدایتشونده، دادههای مصنوعی را دقیقاً بر اساس نیاز مدل یادگیرنده تولید میکند.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۳۱۸۵
تحلیل و بررسی تخصصیسازوکار KVM: کاهش بار حافظه ترنسفورمرها با رشد زیرخطی وضعیت
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 را بهطور چشمگیر کاهش میدهد.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۳۱۸۶
تحلیل و بررسی تخصصیچرا مدلهای کوچک در یادگیری آنلاین بر Qwen-3-14B و DeepSeek-V3 پیروز میشوند؟
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 این روش، در پیشبینیهای بلندمدت از DeepSeek-V3 و Qwen-3-14B پیشی گرفت.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۳۱۸۷
تحلیل و بررسی تخصصیDeepRefine: عبور از RAG ایستا به لایهی دانش خود-ترمیمشونده
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 مرجع (Gold Standard) برای بهبود دقت بازیابی را حذف کرده است.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۳۱۸۸
تحلیل و بررسی تخصصیگزارش PrimeKG-CL: اثر ۶۰ درصدی ویژگیهای چندوجهی بر دقت مدلهای زیستپزشکی
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 مقیاسپذیری چارچوبهای فعلی یادگیری مداوم گراف را افشا میکند.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۳۱۸۹
تحلیل و بررسی تخصصیرمزگشایی از MoPO: حذف لرزش در مدلهای سه بعدی با الگوهای حرکتی
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، بخشهای پنهان بدن را پیشبینی کرده و نتایج پیشرویی در بنچمارکهای استاندارد ثبت کرده است.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۳۱۹۰
تحلیل و بررسی تخصصیسازوکار تنوع پرچمها: چرا همراستاسازی وزنها در شبکههای عمیق اجتنابناپذیر است؟
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 پدیده فروپاشی عصبی ارائه میدهد.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۳۱۹۱
تحلیل و بررسی تخصصیچرا کالیبراسیون مبتنی بر مسیریابی در ترنسفورمرها یک توهم ظرفیتی است؟
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 تخمین عدم قطعیت، بیشتر حاصل ظرفیت مدل هستند تا بینشهای مربوط به مسیریابی.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۳۱۹۲
تحلیل و بررسی تخصصیسازوکار FEM: رفع خطای Mode-Bridge در شبکههای بیزی ترکیبی با تنظیم درههای داده
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 میبرد.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۳۱۹۳
تحلیل و بررسی تخصصیچرا مدل ۰.۷۷ میلیارد پارامتری Fashion Florence از GPT-4o-mini دقیقتر است؟
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 میدهد مدلهای زبانی کوچک (SLM) میتوانند جایگزینی ارزانتر و دقیقتر برای سیستمهای توصیهگر باشند.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۳۱۹۴
تحلیل و بررسی تخصصیرمزگشایی از علت واگرایی آموزش FP4 و نقش چرخشهای قطعی هادامار
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، میتواند پایداری بهینهسازی را بازگرداند.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۳۱۹۵
تحلیل و بررسی تخصصیگزارش arXiv: نرخ موفقیت عاملهای کدنویس با متد Shepherd به ۵۴.۷٪ رسید
پلتفرم Shepherd با معرفی زیرساختی مبتنی بر برنامهنویسی تابعی، تعاملات عاملها را به عنوان رویدادهای کنترلشده مدیریت میکند. این رویکرد سرعت بازتولید وضعیتها را ۵ برابر بیشتر از داکر کرده و نرخ موفقیت در کدنویسی را تقریباً دو برابر افزایش داده است.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۳۱۹۶
تحلیل و بررسی تخصصیگزارش BenchCAD: ناتوانی مدلهای پیشرو در تولید کدهای اجرایی برای طراحی صنعتی
بنچمارک جدید BenchCAD نشان میدهد مدلهای پیشرو در عین توانایی در تقلید بصری، در تولید کدهای پارامتریک دقیق برای تولید صنعتی شکست میخورند. این مطالعه شکاف عمیق میان استدلال فضایی و منطق مهندسی در مدلهای چندوجهی را برملا میکند.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۳۱۹۷
تحلیل و بررسی تخصصیچرا حذف کامل «سندهای مزاحم» حیاتیتر از کاهش حجم پنجره متنی است؟
حضور مقدار اندکی اطلاعات گمراهکننده در متون طولانی، باعث سقوط غیرخطی عملکرد مدلهای زبانی میشود. این یافته نشان میدهد که دقت در بازیابی دادهها بسیار حیاتیتر از کاهش کلی حجم پنجره متنی است.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۳۱۹۸
تحلیل و بررسی تخصصیگزارش arXiv: چارچوب SFFL نرخ توهمات در مدلهای صوتی-تصویری را ۱۱.۱۷٪ کاهش داد
چارچوب استدلالی جدیدی به نام SFFL با تفکیک مسیرهای استدلال برای هر مودالیته، توهمات در مدلهای زبانی چندوجهی را بهطور چشمگیری کاهش داده است. این متد دقت کلی را ۵.۱۶٪ و نرخ کاهش توهمات را ۱۱.۱۷٪ بهبود بخشیده است.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۳۱۹۹
تحلیل و بررسی تخصصیعبور از خروجیهای یکسان؛ NanoResearch چگونه متدولوژی شخصی پژوهشگر را میآموزد؟
NanoResearch یک چارچوب چند-عاملی جدید است که با شخصیسازی خطلوله پژوهش، خروجیهای یکسان مدلهای زبانی را کنار میگذارد. این سیستم از طریق تکامل همزمان بانک مهارت و حافظه، متدولوژی و محدودیتهای هر پژوهشگر را میآموزد.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۳۲۰۰
تحلیل و بررسی تخصصیسازوکار RACER: بهینهسازی هزینه داوران LLM از طریق مسیریابی مقاوم
مدلهای استدلالی در ارزیابیهای ساده، قدرت محاسباتی را هدر میدهند. چارچوب RACER با مسیریابی پویا، وظایف را به مقرونبهصرفهترین داور میسپارد و دقت را حتی در صورت تغییر توزیع دادهها حفظ میکند.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۳۲۰۱
تحلیل و بررسی تخصصیچرا برترین عاملهای هوش مصنوعی در محیطهای پیچیده از سد ۶۰ درصد عبور نمیکنند؟
بنچمارک جدید ComplexMCP نشان میدهد برترین عاملهای هوش مصنوعی در محیطهای ابزاری پیچیده تنها ۶۰ درصد موفقیت دارند، در حالی که این رقم برای انسانها ۹۰ درصد است. این مطالعه گلوگاههای بحرانی در بازیابی ابزار و بازیابی خطا را شناسایی کرده است.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۳۲۰۲
تحلیل و بررسی تخصصیسازوکار MATRA: سنجش شعاع تخریب حملات تزریق در عاملهای هوش مصنوعی
چارچوب جدید MATRA روشی سیستماتیک برای تبدیل آسیبپذیریهای مدلهای زبانی به ریسکهای عملیاتی در عاملهای خودمختار ارائه میدهد. این پژوهش نشان میدهد که کنترلهای معماری مانند محیطهای ایزوله، تنها راه مؤثر برای محدود کردن خسارات ناشی از حملات موفق هستند.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۳۲۰۳
تحلیل و بررسی تخصصیگذار از مهندسی پرامپت به مهندسی کنترل؛ راهکار سایبرنتیک برای پایداری عاملها
چارچوب جدیدی به نام Agent Cybernetics پیشنهاد میکند که به جای آزمون و خطاهای تجربی، از تئوری کنترل کلاسیک برای طراحی عاملهای هوش مصنوعی استفاده کند. هدف این رویکرد، تضمین پایداری، اجرای طولانیمدت و خودبهسازی ایمن در محیطهای پیچیده است.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۳۲۰۴
تحلیل و بررسی تخصصیچرا رگرسیون نمادین دیگر به جهشهای تصادفی نیاز ندارد؟
پژوهشگران با معرفی GESR، جهشهای تصادفی در رگرسیون نمادین را با «ویرایش ژنی» هدایتشده توسط مدلهای BERT جایگزین کردهاند. این رویکرد کارایی محاسباتی و دقت کشف قوانین ریاضی از دادههای علمی را بهطور چشمگیری افزایش میدهد.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۳۲۰۵
تحلیل و بررسی تخصصیگزارش arXiv: متد TRACE دقت استدلال ریاضی را ۲.۷۶ درصد فراتر از GRPO برد
متد جدیدی به نام TRACE با هدفگیری توکنهای حیاتی در فرآیند تقطیر، نرخ خطای مدلهای استدلالی را کاهش داد. این رویکرد برخلاف روشهای متراکم، از نشت اطلاعات ممتاز جلوگیری کرده و عملکرد مدل را در دادههای خارج از توزیع حفظ میکند.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۳۲۰۶
تحلیل و بررسی تخصصیسازوکار diffGHOST: جلوگیری از حفظ حافظهای مسیرهای حرکتی با بخشبندی فضای پنهان
پژوهشگران مدل diffGHOST را معرفی کردند؛ یک مدل انتشار شرطی که با استفاده از بخشبندی فضای پنهان، تولید دادههای مصنوعی مسیرهای حرکتی را بدون افشای اطلاعات حساس افراد ممکن میسازد. این رویکرد توازن میان کاربردی بودن دادهها و تضمین حریم خصوصی را بازتعریف میکند.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۳۲۰۷
تحلیل و بررسی تخصصیتوهم ایمنی؛ بنچمارکهای سمیت LLM چگونه سیگنالهای کاذب تولید میکنند
بنچمارکهای سنجش سمیت در مدلهای زبانی بزرگ به دلیل سوگیریهای ساختاری، نتایج غیرقابلاعتمادی ارائه میدهند. پژوهشی جدید نشان میدهد تغییرات ساده در نوع تکلیف یا دامنه دادهها میتواند وضعیت «ایمن» یا «مضایگونه» یک مدل را بهطور کامل تغییر دهد.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۳۲۰۸
تحلیل و بررسی تخصصیتبدیل سیاستهای عصبی به کدهای استاتیک: سازوکار تکامل آگاه از معلم
یک چارچوب تکاملی جدید با استفاده از سیاستهای بهینهسازیشده به عنوان «معلم»، الگوریتمهای اکتشافی (Heuristics) سریع و اجرایی میسازد. این سیستم نیاز به استنتاج عصبی در زمان اجرا را حذف کرده و در عین حال کارایی مدلهای پیچیده را حفظ میکند.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۳۲۰۹
تحلیل و بررسی تخصصیچرا ناهمواری توانمندیهای مدلهای زبانی، کلید جدید اکتشافات علمی است؟
پژوهشگران دریافتند که مدلهای زبانی بهجای پیشرفت یکنواخت، «ناهمواری» (Jaggedness) در توانمندیهای خود دارند. با ترکیب این نقاط قوت پراکنده در مجموعههای فرا-مدلی، میتوان ایدههای علمی خلاقانهتری نسبت به استفاده از یک مدل واحد تولید کرد.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۳۲۱۰
تحلیل و بررسی تخصصیافزایش ۵۳ درصدی دقت تفسیر تصمیمات MPC با مدل استنتاج علّی سلسلهمراتبی
پژوهشگران چارچوب جدیدی به نام استنتاج علّی سلسلهمراتبی (HCA) معرفی کردهاند که تصمیمات مبهم سیستمهای کنترل پیشبین را قابلتفسیر میکند. این روش با ترکیب فیزیک و دادههای بهینهسازی، دقت توجیه اقدامات ایمنی را بهطور چشمگیری نسبت به مدل LIME بهبود بخشیده است.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن