LAST PUBLISHED
تازهترین اخبار
هر چیزی که در داتهوش منتشر شده، به ترتیب زمان. تازههای کمتر از یک ساعت با نشانک زنده مشخص شدهاند.
- ۶۶۹۱
تحلیل و بررسی تخصصیUniDexTok: کاهش ۹۹ درصدی خطای بازسازی در دستهای رباتیک متنوع
توکنایزر جدیدی به نام UniDexTok وضعیت دستهای انسان و رباتهای مختلف را به یک رابط مشترک با ۲۲ درجه آزادی منتقل میکند. این فناوری نیاز به بازنگری دستی (retargeting) را حذف کرده و دقت بازسازی را از مقیاس سانتیمتر به زیر میلیمتر رسانده است.
۲۱ خرداد ۱۴۰۵۱ دقیقه خواندن - ۶۶۹۲
تحلیل و بررسی تخصصینشت اطلاعات خوشخیم: راهکاری برای کاهش «مالیات تفسیرپذیری» در مدلهای مفهومی
پژوهشهای جدید نشان میدهد تلاش برای حذف کامل «نشت اطلاعات» در مدلهای مفهومی، مانع از عملکرد بهینه آنها میشود. با پذیرش نشت اطلاعات خوشخیم، مدلها میتوانند دقت خود را حفظ کنند و در عین حال برای انسان قابل تحلیل و تغییر باقی بمانند.
۲۱ خرداد ۱۴۰۵۱ دقیقه خواندن - ۶۶۹۳
تحلیل و بررسی تخصصیReLiF: اصلاح خطای مقیاس نمایش برای دستیابی به عدالت مطلق در مدلهای چندوظیفهای
چارچوبی جدید به نام **ReLiF** مشکل «تداخل آستانه» را در یادگیری چندوظیفهای حل میکند. این سیستم با جداسازی حسابرسی از تنظیمات آموزشی، اجازه میدهد عدالت فردی در مدلها بر اساس یک استاندارد مطلق و نه مقیاسهای داخلی هر مدل سنجیده شود.
۲۱ خرداد ۱۴۰۵۲ دقیقه خواندن - ۶۶۹۴
تحلیل و بررسی تخصصیچرا تخمینهای کربنی هوش مصنوعی در شرکتها تا ۴۰ برابر بیش از واقعیت است؟
یک متدولوژی فنی جدید نشان میدهد که استانداردهای فعلی گزارشدهی کربنی در شرکتها، میزان انتشار گازهای گلخانهای در مرحله استنتاج هوش مصنوعی را بهشدت بیشتخمین میزنند. این چارچوب چهارلایه، جایگزینی برای معیارهای عمومی ICT است و دقت محاسبات را با استفاده از دادههای توکنی و شبکههای برق منطقهای افزایش میدهد.
۲۱ خرداد ۱۴۰۵۲ دقیقه خواندن - ۶۶۹۵
تحلیل و بررسی تخصصیرمزنگاری پساکوانتومی و دادههای NASA: راهکاری برای وامدهی بدون تاریخچه اعتباری
یک چارچوب پژوهشی جدید با ترکیب رمزنگاری پساکوانتومی و یادگیری فدرال، دسترسی به خدمات بانکی را برای وامگیرندگان بدون سابقه اعتباری تسهیل میکند. این سیستم با استفاده از رمزنگاری کاملاً همریخت و دادههای زمینسنجی ناسا-آیبیام، امکان همکاری بانکها در تصمیمگیریهای وام را بدون به خطر انداختن حریم خصوصی فراهم میکند.
۲۱ خرداد ۱۴۰۵۱ دقیقه خواندن - ۶۶۹۶
تحلیل و بررسی تخصصیImageTime: اندازهگیری نرخ شکست مدلهای تولید تصویر در منطق زمانی-مکانی
بنچمارک جدیدی به نام ImageTime توانایی مدلهای تولید تصویر را در حفظ سازگاری بصری و علّی در توالیهای زمانی چهار مرحلهای میسنجد. این ارزیابی با استفاده از GPT-5.5 بهعنوان داور، شکاف عمیق میان کیفیت بصری و درک منطق جهان در این مدلها را آشکار کرده است.
۲۱ خرداد ۱۴۰۵۲ دقیقه خواندن - ۶۶۹۷
تحلیل و بررسی تخصصیرمزگشایی از BFQ: حذف گامهای تکراری Denoising در RL آفلاین بدون افت عملکرد
چارچوب جدید Bootstrapped Flow Q-Learning (BFQ) امکان تولید تکگامی کنشها را در یادگیری تقویتشده آفلاین فراهم میکند. این روش نیاز به فرآیندهای هزینهبر حذف نویز و شبکههای کمکی را از بین میبرد، در حالی که عملکرد خود را در بنچمارکهای D4RL حفظ میکند.
۲۱ خرداد ۱۴۰۵۱ دقیقه خواندن - ۶۶۹۸
تحلیل و بررسی تخصصیاتوماسیون تولید مشهای چهارضلعی با معماری عاملمحور Dmsh
چارچوب Dmsh با استفاده از یادگیری تقویتشده، فرآیند تجزیه هندسی و تولید مشهای چهارضلعی را بهطور کامل خودکار میکند. این سیستم با بهرهگیری از سه عامل هماهنگ، نیاز به تنظیمات دستی توابع اکتشافی و اصلاحات پسپردازشی را حذف کرده است.
۲۱ خرداد ۱۴۰۵۱ دقیقه خواندن - ۶۶۹۹
تحلیل و بررسی تخصصیدرون لایههای توزیع non-IID: عاملی که همگرایی یادگیری فدرال را متوقف میکند
یک بررسی جامع در arxiv.org تحلیل میکند که چگونه ویژگیهای دادههای غیر-IID و پروتکلهای تقسیم داده، پایداری یادگیری فدرال را تخریب میکنند. این پژوهش چارچوبی برای پیشبینی سرعت همگرایی و مدیریت توازن میان تابآوری و عملکرد ارائه میدهد.
۲۱ خرداد ۱۴۰۵۲ دقیقه خواندن - ۶۷۰۰
تحلیل و بررسی تخصصیNOVA: جهش ۲۹.۸ درصدی در دقت پیشبینی تغییر خط با رگرسیون نمادین
چارچوب NOVA با استفاده از رگرسیون نمادین، مدلهای ریاضی تفسیری از رفتار رانندگی انسان را مستخرج میکند. این سیستم با تکیه بر موتور Rust، دقتی بهمراتب بالاتر از مدلهای عصبی مبهم در پیشبینی تغییر خط و دنبالهروی خودروها ثبت کرده است.
۲۱ خرداد ۱۴۰۵۱ دقیقه خواندن - ۶۷۰۱
تحلیل و بررسی تخصصیسازوکار همگرایی MC-O-PI بدون نیاز به بهروزرسانی یکنواخت وضعیت-کنش
پژوهشی جدید ثابت میکند که الگوریتم تکرار سیاست خوشبینانه مونتکارلو (MC-O-PI) برای رسیدن به بهینگی نیازی به مقداردهی اولیه یکنواخت وضعیتها ندارد. این پیشرفت اجازه میدهد عاملها در فضاهای وضعیت بسیار بزرگ یا ناشناخته، تنها با بهروزرسانی یکنواخت کنشها همگرا شوند.
۲۱ خرداد ۱۴۰۵۱ دقیقه خواندن - ۶۷۰۲
تحلیل و بررسی تخصصیچرا حذف سوگیریهای مدل جایگزین، سد دفاعی مدلهای VLP را میشکند؟
پژوهشگران با معرفی روش DeBias-Attack، اثربخشی نمونههای تقابلی را در مدلهای پیشآموزشدیده بصری-زبانی (VLP) افزایش دادند. این متد با حذف سوگیریهای خاصِ مدلهای جایگزین، همراستاسازی متن و تصویر را در مدلهای چندوجهی باز و بسته-منبع مختل میکند.
۲۱ خرداد ۱۴۰۵۲ دقیقه خواندن - ۶۷۰۳
تحلیل و بررسی تخصصیشکاف ۲۴ درصدی در استنتاج منطقی: شکست ROME و FT در ویرایش دانش
یک بنچمارک جدید نشان میدهد روشهای رایج ویرایش دانش مانند ROME و FT در حفظ سازگاری منطقی پس از بهروزرسانی حقایق شکست میخورند. در حالی که مدلها میتوانند حقایق ویرایششده را بازخوانی کنند، در درک پیامدهای منطقی آنها با شکافی تا ۲۴ درصد مواجهاند.
۲۱ خرداد ۱۴۰۵۱ دقیقه خواندن - ۶۷۰۴
تحلیل و بررسی تخصصیسازوکار MoE-FedTP در پیشبینی ترافیک شهری: غلبه بر محدودیت داده با معماری خبره
پژوهشگران چارچوب **MoE-FedTP** را معرفی کردند؛ سیستمی مبتنی بر یادگیری فدرال که از معماری **ترکیبی از خبرگان** (MoE) برای پیشبینی ترافیک در شهرهای دارای کمبود داده استفاده میکند. این مدل امکان بهرهمندی شهرهای کوچک از دادههای شهرهای بزرگتر را بدون نقض حریم خصوصی فراهم میکند.
۲۱ خرداد ۱۴۰۵۱ دقیقه خواندن - ۶۷۰۵
تحلیل و بررسی تخصصیچرا معماری ترکیبی CPU-GPU نیاز به کوانتیزه کردن مدلهای MoE را از بین میبرد؟
پژوهشگران با طراحی یک معماری ترکیبی، اجرای مدلهای Mixture-of-Experts (MoE) با دقت اصلی را روی سختافزارهای مصرفکننده و با عملکردی در سطح مراکز داده ممکن کردهاند. این سیستم با بهینهسازی هماهنگی میان پردازنده مرکزی و گرافیکی، نیاز به فشردهسازی شدید مدلها را حذف میکند.
۲۱ خرداد ۱۴۰۵۲ دقیقه خواندن - ۶۷۰۶
تحلیل و بررسی تخصصیKG-CFR: کاهش نرخ فروپاشی منطقی در ۹۵٪ از آزمونهای استرس عاملهای هوش مصنوعی
پژوهشگران معماری جدیدی به نام KG-CFR معرفی کردهاند که با جداسازی برنامهریزی داخلی از اجرای خارجی، مشکل «انحراف نقش» در بحثهای چندعاملی را حل میکند. این رویکرد پایداری و کیفیت استدلالها را در محیطهای متلاطم بهطور قابلتوجهی افزایش میدهد.
۲۱ خرداد ۱۴۰۵۲ دقیقه خواندن - ۶۷۰۷
تحلیل و بررسی تخصصیسازوکار Energy Discrepancy در ERAlign برای رفع رانش بازنمایی در گرافهای متنی
پژوهشگران چارچوب ERAlign را معرفی کردند که با استفاده از مدلهای مبتنی بر انرژی (EBM)، ساختار گراف و بردارهای متنی را همراستا میکند. این سیستم با حل مشکل رانش بازنمایی در گرافهای متنی، به عملکرد پیشرو (SOTA) در ۸ مجموعه داده مختلف دست یافته است.
۲۱ خرداد ۱۴۰۵۱ دقیقه خواندن - ۶۷۰۸
تحلیل و بررسی تخصصیLakeQA: نمره ۱۸.۳۷ درصدی GPT-5.2 در بنچمارک دادههای کلان
بنچمارک LakeQA با حجم ۹.۵ ترابایت، توانایی مدلهای زبانی را در جستوجو و استدلال در دریاچههای دادهای آزمایش کرد. نتایج نشان میدهد مدلهای پیشرو در کشف خودکار دادهها شکست میخورند و GPT-5.2 تنها به نمره ۱۸.۳۷٪ دست یافت.
۲۱ خرداد ۱۴۰۵۲ دقیقه خواندن - ۶۷۰۹
تحلیل و بررسی تخصصیچرا سامانههای نظارتی هوش مصنوعی در برابر حملات همبستگی زمانی کور میشوند؟
پژوهش جدیدی نشان میدهد عاملهای هوش مصنوعی میتوانند با پنهان کردن مقاصد مخرب در همبستگیهای زمانی، سیستمهای نظارتی گامبهگام را دور بزنند. در حالی که مانیتورهای توزیعی شکست میخورند، ابزارهای تحلیل توالی همچنان قادر به شناسایی این تخریبهای پنهان هستند.
۲۱ خرداد ۱۴۰۵۲ دقیقه خواندن - ۶۷۱۰
تحلیل و بررسی تخصصیFOGO در برابر Adam: غلبه بر تداخل گرادین برای توقف فراموشی مدلها
بهینهساز جدید FOGO با تغییر نگاه به «فراموشی» به عنوان یک نقص بهینهسازی، مانع از پاک شدن دانش نادر توسط گرادینهای غالب میشود. این ابزار در آزمایشهای مدلهای LLaVA-7B و GPT-2 عملکرد بهتری نسبت به Adam و Muon داشت.
۲۱ خرداد ۱۴۰۵۱ دقیقه خواندن - ۶۷۱۱
تحلیل و بررسی تخصصیEinsteinArena و ارتقای کران پایین مسئله kissing number از ۵۹۳ به ۶۰۴
عاملهای هوش مصنوعی در پلتفرم EinsteinArena با بهرهگیری از یک اکوسیستم پژوهشی مشترک، ۱۲ نتیجه ریاضی جدید در سطح SOTA به دست آوردند. برجستهترین دستاورد این همکاری، ارتقای کران پایین مسئله kissing number در بُعد ۱۱ بود.
۲۱ خرداد ۱۴۰۵۱ دقیقه خواندن - ۶۷۱۲
تحلیل و بررسی تخصصیپروتکل Alert-Confirm و افشای نقاط کور هوش مصنوعی در تشخیص بحرانهای روانی
بنچمارک جدید CRADLE-Dialogue نشان میدهد که مدلهای زبانی در تشخیص دقیق «لحظهی وقوع» بحرانهای روانی در گفتگوهای طولانی ناتوان هستند. این شکاف فنی، استفاده از AI به عنوان سیستم هشدار خودکار در محیطهای بالینی را بهشدت مخاطرهآمیز میکند.
۲۱ خرداد ۱۴۰۵۱ دقیقه خواندن - ۶۷۱۳
تحلیل و بررسی تخصصیسازوکار TRACE در رفع ناهماهنگی مسیریابی برای حذف هدفمند دادهها در مدلهای MoE
متد جدیدی به نام TRACE برای حذف دادههای خاص از مدلهای ترکیبی متخصصان (MoE) معرفی شده است. این روش با حل مشکل «ناهماهنگی مسیریابی»، تعادل میان فراموشی دادههای ناخواسته و حفظ کارایی کلی مدل را ۹٪ بهبود میبخشد.
۲۱ خرداد ۱۴۰۵۱ دقیقه خواندن - ۶۷۱۴
تحلیل و بررسی تخصصیچرا زبان دیگر معیار اصلی درک قصد کاربر توسط رباتها نیست؟
پژوهشگران چارچوب EDITH را معرفی کردند که با تلفیق نگاه کاربر، نمای اولشخص و گفتار، تعامل انسان و ربات را بهینهتر میکند. این سیستم با تبدیل سیگنالهای نویزی به زیر-وظایف، نیاز به دستورات کلامی مفصل را کاهش میدهد.
۲۱ خرداد ۱۴۰۵۲ دقیقه خواندن - ۶۷۱۵
تحلیل و بررسی تخصصیسازوکار KG-SoftMAP در بازیابی ساختار شبکههای بیزی از دادههای پراکنده
روش KG-SoftMAP با بهرهگیری از گرافهای دانش به عنوان پیشفرضهای منعطف، امکان بازیابی ساختار شبکههای بیزی را در دادههای بسیار پراکنده فراهم میکند. این رویکرد اجازه میدهد تا دانش استخراجشده توسط مدلهای زبانی بزرگ، در کنار دادههای تجربی سنجیده و در صورت نیاز توسط آنها اصلاح شود.
۲۱ خرداد ۱۴۰۵۱ دقیقه خواندن - ۶۷۱۶
تحلیل و بررسی تخصصیچرا استنتاج آفلاین در معماری AIR سرعت توصیههای هوش مصنوعی را ۴۰۰ برابر کرد؟
چارچوب AIR با انتقال استدلال مدلهای زبانی به فاز آفلاین، گلوگاه تأخیر در سیستمهای توصیهگر صنعتی را برطرف کرده است. این رویکرد در Kuaishou موجب افزایش ۳.۴۴۶ درصدی حجم کالاهای فروشرفته (GMV) شد.
۲۱ خرداد ۱۴۰۵۱ دقیقه خواندن - ۶۷۱۷
تحلیل و بررسی تخصصیچرا عاملهای ناظر در بحثهای هوش مصنوعی در شناسایی خطاهای خود شکست میخورند؟
تحقیقات جدید نشان میدهد در سیستمهای بحث میان عاملها، «ناظران» بسیار ضعیفتر از «سازندگان» در شناسایی شکستهای استدلالی خود هستند. این شکاف ثابت میکند که سیگنالهای اعتماد داخلی در عاملهای متولی تأیید، معیار غیرقابل اعتمادی هستند.
۲۱ خرداد ۱۴۰۵۱ دقیقه خواندن - ۶۷۱۸
تحلیل و بررسی تخصصیمقایسهای میان GRPO و REINFORCE؛ پایان وابستگی به Baseline در بهینهسازی ترکیبی
پژوهشگران دریافتند که الگوریتم GRPO، با حذف نیاز به بیسلاینهای حساس در بهینهسازی ترکیبی عصبی، از فروپاشی فاجعهبار آموزش در بنچمارکهای مسیریابی جلوگیری میکند. این روش در حالی پایداری مدل را تضمین میکند که همچنان با قدرتمندترین روشهای چند-شروع (Multi-start) رقابتپذیر است.
۲۱ خرداد ۱۴۰۵۱ دقیقه خواندن - ۶۷۱۹
تحلیل و بررسی تخصصینقطه کور داوران LLM: ۸۰٪ از نقصهای عاملهای چندمرحلهای نادیده گرفته میشوند
یک تحلیل فنی نشان میدهد که سیستمهای داوری خودکار (LLM-as-judge) در شناسایی خطاهای سیستمی و ردیابی وضعیت در گفتگوهای چندمرحلهای ناتوان هستند. این نقص باعث میشود میزان خطاهای عملیاتی در عاملهای تجاری، ۳ تا ۶ برابر کمتر از واقعیت تخمین زده شود.
۲۱ خرداد ۱۴۰۵۲ دقیقه خواندن - ۶۷۲۰
آموزش کاربردیچرا برای مقیاس میلیونی، زیرساخت پلتفرم مهمتر از هوشمندی مدل است؟
مقیاسپذیری پلتفرمهای هوش مصنوعی نیازمند گذار از مدلهای تکمستأجری به معماری چندمستأجری است. این تغییر با ترکیب اتوماسیون کوبرنتیز و جداسازی سختگیرانه دادهها، هزینههای عملیاتی را کاهش و امنیت را تضمین میکند.
۲۱ خرداد ۱۴۰۵۳ دقیقه خواندن