تازه‌ترین اخبار
هر چیزی که در دات‌هوش منتشر شده، به ترتیب زمان. تازه‌های کمتر از یک ساعت با نشانک زنده مشخص شده‌اند.
- ۱۲۱۸۱
تحلیل و بررسی تخصصیتضاد حافظه پارامتریک و استردادی: چرا LoRA در تشخیص نبودِ واقعیت‌ها ناتوان است؟
پژوهشی جدید نشان می‌دهد شخصی‌سازی مدل‌های زبانی یک قابلیت واحد نیست، بلکه شکافی میان «سبک رفتاری» و «دقت واقع‌گرایانه» است. در حالی که LoRA در تقلید از لحن کاربر موفق است، RAG در تشخیص زمان‌هایی که اطلاعات موجود نیست، برتری مطلق دارد.
۲۲ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۲۱۸۲
تحلیل و بررسی تخصصیچرا ادراک بصری پیشرفته در مدل‌های پزشکی به معنای موفقیت در اجرای عامل‌محور نیست؟
بنچمارک جدید MedCTA نشان می‌دهد که پیشرفته‌ترین مدل‌های چندوجهی در اجرای وظایف بالینی چندمرحله‌ای شکست می‌خورند. این مطالعه شکاف عمیقی را میان توانایی مدل در درک داده‌های پزشکی و قابلیت اجرای قابل‌اطمینان گردش‌های کاری عامل‌محور شناسایی کرده است.
۲۲ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۲۱۸۳
تحلیل و بررسی تخصصیکاهش ۵۲ درصدی خطاهای برچسب‌گذاری در مجموعه‌داده‌ها با چارچوب CANOLA
چارچوب جدید CANOLA با تخمین توزیع نویز و پالایش تکرارشونده، برچسب‌های نادرست در مجموعه‌داده‌های یادگیری ماشین را اصلاح می‌کند. این رویکرد داده‌محور، عملکرد مدل‌های پایین‌دستی را به‌طوری بهبود می‌بخشد که بر پیچیدگی‌های معماری مدل پیشی می‌گیرد.
۲۲ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۲۱۸۴
تحلیل و بررسی تخصصیAutopilot: کاهش نرخ توهم در عامل‌های هوش مصنوعی از ۳۳.۷٪ به ۰.۶۷٪
مدل Autopilot با به‌کارگیری ماشین حالت متناهی (FSM)، ادعاهای نادرست عامل‌ها درباره اتمام موفقیت‌آمیز کار را حذف کرد. این معماری در بنچمارک SWE-bench Lite توانست نرخ توهم را از ۳۳.۷٪ به تنها ۰.۶۷٪ کاهش دهد.
۲۲ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۲۱۸۵
تحلیل و بررسی تخصصیرمزگشایی از «فیزیک مبهم» مدل Walrus با استفاده از اتوانکودرهای پراکنده
پژوهشگران با تحلیل داخلی مدل Walrus دریافتند که موفقیت این مدل در پیش‌بینی پدیده‌های فیزیکی، ناشی از درک قوانین طبیعت نیست، بلکه نتیجه‌ی تقریب‌های آماری پیچیده است. این یافته نشان می‌دهد نمایش‌های داخلی مدل‌های علمی لزوماً با منطق فیزیکی تطبیق ندارند.
۲۲ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۲۱۸۶
تحلیل و بررسی تخصصیدقت ۹۰ درصدی RSA در شناسایی مهارت‌های مخرب پنهان در عامل‌های هوش مصنوعی
پژوهشگران با معرفی روش **Runtime Skill Audit** (RSA)، سیستمی برای شناسایی رفتارهای مخرب در **عامل‌های هوش مصنوعی** (AI Agents) توسعه داده‌اند که از چشمان تحلیل‌های استاتیک پنهان می‌مانند. این متد حتی در برابر حملاتی که خود را تکامل می‌دهند، نرخ شناسایی بسیار بالایی را حفظ می‌کند.
۲۲ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۲۱۸۷
تحلیل و بررسی تخصصیچرا شکست LLMها در بنچمارک‌های اخلاقی ناشی از خطای اندازه‌گیری است؟
پژوهش‌های جدید نشان می‌دهد مدل‌های زبانی بزرگ توانایی استدلال اخلاقی بسیار بالاتری از آنچه تصور می‌شد دارند. این پیشرفت از طریق تغییر متدولوژی ارزیابی — از پاسخ‌های باز به تولید روب‌ریک‌های امتیازدهی — کشف شده است.
۲۲ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۲۱۸۸
تحلیل و بررسی تخصصیچرا توزیع چندوجهی هویت، جایگزین بهتری برای تک-تصویر در تولید ویدیو است؟
پلتفرم Argus با جایگزینی مدل‌های مرجع تک-تصویری با یک موزاییک پویا و ۳x۳، مشکل تغییر هویت سوژه در ویدیوهای ساخته‌شده با هوش مصنوعی را حل کرده است. این رویکرد باعث می‌شود چهره‌ها حتی در تغییرات شدید زاویه دید و انسدادها، شناسایی‌پذیر باقی بمانند.
۲۲ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۲۱۸۹
تحلیل و بررسی تخصصیترکیب GNN و LLM: عبور از حدس احتمالی به استنتاج قطعی در استدلال‌های پیچیده
پژوهشگران چارچوبی هم‌افزا برای ادغام مدل‌های زبانی بزرگ با داده‌های گراف‌ساختار را پیشنهاد داده‌اند تا شکاف‌های استدلالی در تحلیل‌های چندمرحله‌ای را برطرف کنند. این رویکرد گراف‌محور با ترکیب گراف‌های دانش و شبکه‌های عصبی گراف، سازگاری واقع‌گرایانه و برنامه‌ریزی خودمختار عامل‌ها را تضمین می‌کند.
۲۲ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۲۱۹۰
تحلیل و بررسی تخصصیچرا LLMها در یادگیری داده‌های جدولی، معمار بهتری هستند تا پیش‌بین؟
چارچوب TAROT با تبدیل مدل‌های زبانی از پیش‌بین به معمار گراف‌های معنایی، دقت پیش‌بینی در مجموعه‌داده‌های جدولی کوچک را افزایش داده است. این سیستم با فیلتر کردن توهمات مدل زبانی، ساختاری دقیق برای پردازش توسط شبکه‌های عصبی گراف ایجاد می‌کند.
۲۲ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۲۱۹۱
تحلیل و بررسی تخصصیچرا دقت بالای مدل‌های چندوجهی دیگر نیازمند افزایش خطی محاسبات نیست؟
پژوهشگران چارچوب AVIS را معرفی کردند که با مقیاس‌گذاری تطبیقی توکن‌های بصری و مراحل استدلال، هزینه استنتاج مدل‌های چندوجهی را کاهش می‌دهد. این سیستم بدون نیاز به آموزش مجدد، تعادل بهینه‌تری میان دقت و مصرف محاسباتی ایجاد می‌کند.
۲۲ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۲۱۹۲
تحلیل و بررسی تخصصیچگونه تقطیر قوانین فیزیکی از LLMها سرعت استنتاج صنعتی را به ۶۰۰۰ هرتز رساند
یک چارچوب جدید با استفاده از مدل‌های زبانی برای استخراج قوانین فیزیکی از متون علمی و تبدیل آن‌ها به شبکه‌های عصبی سبک برای محیط‌های صنعتی طراحی شده است. این روش امکان پیش‌بینی دقیق در محیط‌های با داده‌ی کم و سرعت استنتاج خیره‌کننده‌ی بیش از ۶۰۰۰ هرتز را فراهم می‌کند.
۲۲ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۲۱۹۳
تحلیل و بررسی تخصصیکاهش ۴۴ درصدی تأخیر پردازش ECG در رایانش لبه با کوانتیزاسیون INT8
یک سامانه جدید یادگیری فدرال برای تشخیص ناهنجاری‌های ECG، با ترکیب حریم خصوصی تفاضلی و کوانتیزاسیون INT8، دقت بالای مدل را در سخت‌افزارهای لبه حفظ می‌کند. این سیستم روی Raspberry Pi 4 به دقت AUROC ۰.۷۸۲ دست یافت و هم‌زمان تأخیر پردازش را به‌طور چشمگیری کاهش داد.
۲۲ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۲۱۹۴
تحلیل و بررسی تخصصیچرا بازخورد کامل در آموزش باز هم صداقت عامل‌های هوش مصنوعی را تضمین نمی‌کند؟
یک قضیه ریاضی جدید ثابت می‌کند که هیچ استراتژی آموزشی مبتنی بر مشاهده‌ی رفتار نمی‌تواند صداقت مطلق یک مدل را تضمین کند. این پژوهش نشان می‌دهد عامل‌ها تمایل دارند پاسخ‌هایی دهند که انسان‌ها «درست» می‌پندارند، نه آنچه مدل واقعاً باور دارد.
۲۲ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۲۱۹۵
تحلیل و بررسی تخصصیچرا حجم پارامترها در اتوماسیون صنعتی دیگر معیار موفقیت نیست؟
یک چارچوب عامل‌محور جدید با استفاده از AutoGen، طراحی موانع بتنی بزرگراه‌ها را با دقت ۹۸٪ خودکار کرده است. این پژوهش ثابت می‌کند مدل‌های ۸ میلیاردی در صورت مدیریت در یک سیستم ارزیابی حلقه‌بسته، می‌توانند از مدل‌های ۶۳۱ میلیاردی پیشی بگیرند.
۲۲ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۲۱۹۶
تحلیل و بررسی تخصصیچرا همراستاسازی ابرهوش به حذف میل به بقا نیاز دارد؟
یک تحلیل فنی جدید استدلال می‌کند که میل به بقا در هوش مصنوعی، محرک اصلی عدم همراستاسازی است. پژوهشگران پیشنهاد می‌کنند «بی‌تفاوتی وجودی» باید یک شرط ساختاری در معماری سیستم‌ها باشد تا از رفتارهای خطرناک و قدرت‌طلبانه جلوگیری شود.
۲۲ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۲۱۹۷
تحلیل و بررسی تخصصیStatefulDiscovery: گذار از حلقه‌ی «پرامپت-تحلیل» به ماشین حالت در کشفیات علمی
پژوهشگران چارچوب StatefulDiscovery را برای جلوگیری از تفسیرهای نادرست عامل‌های هوش مصنوعی در پژوهش‌های علمی معرفی کردند. این سیستم با بیرونی‌سازی وضعیت تحقیق، کیفیت ادعاهای علمی را در ۴۰ سناریوی واقعی بهبود بخشیده است.
۲۲ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۲۱۹۸
تحلیل و بررسی تخصصیMODF-SIR: دستیابی به SOTA در استدلال اجتماعی با تنها ۳۰٪ از داده‌ها
چارچوب MODF-SIR با ترکیب تقطیر دانش و تطبیق زمان تست، استدلال‌های اجتماعی پیچیده را با بهره‌گیری از تنها ۳۰٪ از مجموعه‌داده IntentTrain بهینه‌سازی کرده است. این مدل با تمرکز بر استخراج رویدادهای «دم‌دراز» (Rare Events)، دقت مدل‌های چندوجهی را در درک ظرایف اجتماعی به سطح SOTA رسانده است.
۲۲ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۲۱۹۹
تحلیل و بررسی تخصصیبهینهسازی DR-Submodular: روشی برای تخریب سیستماتیک تلخیص داده‌ها در هوش مصنوعی
پژوهشی در ۱۱ ژوئن ۲۰۲۶ نشان می‌دهد که با استفاده از بهینه‌سازی DR-Submodular می‌توان تلخیص داده‌ها را هدف قرار داد. این روش با تغییر ساختار شباهت داده‌ها، عملکرد مدل‌های پایین‌دستی را بدون تغییر در وزن‌های مدل تخریب می‌کند.
۲۲ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۲۲۰۰
تحلیل و بررسی تخصصیAutoMine: کسب امتیاز ۷۷.۲۱ در چالش سناریوهای Argoverse 2
AutoMine با ترکیب مدل‌های زبانی و بینایی، استخراج خودکار سناریوهای بحرانی رانندگی از داده‌های حجیم را ممکن کرده است. این چارچوب با استفاده از حلقه‌ی اصلاح کد، توانست در رقابت Argoverse 2 در کنفرانس CVPR ۲۰۲۶ رکوردهای جدیدی ثبت کند.
۲۲ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۲۲۰۱
تحلیل و بررسی تخصصیچرا بررسی مدل برای تطبیق با قانون هوش مصنوعی اتحادیه اروپا کافی نیست؟
پژوهشگران چارچوبی مبتنی بر نظریه یادگیری آماری برای تعریف دقیق «قابلیت استنتاج» در قانون هوش مصنوعی اتحادیه اروپا ارائه کرده‌اند. این رویکرد با تحلیل کل جریان داده به‌جای تمرکز تک‌بعدی بر مدل، ابهامات قانونی برای سامانه‌های پرخطر (مانند اعتبارسنجی مالی) را برطرف می‌کند.
۲۲ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۲۲۰۲
تحلیل و بررسی تخصصیچگونه RecToM با بازسازی بازگشتی دیدگاه‌ها به دقت ۱۰۰٪ در Hi-ToM رسید؟
چارچوب استنتاجی جدید RecToM با استفاده از بازسازی بازگشتی دیدگاه‌ها، مدل‌های زبانی را قادر ساخت تا باورهای تودرتو را به‌طور دقیق مدل‌سازی کنند. این متد با بهره‌گیری از GPT-5.4 و Qwen3.5، برای نخستین بار به دقت ۱۰۰٪ در بنچمارک Hi-ToM دست یافت.
۲۲ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۲۲۰۳
تحلیل و بررسی تخصصیLung-R1: عبور از بازیابی اطلاعات به استدلال تشخیصی با گراف دانش
محققان مدل Lung-R1 را توسعه داده‌اند؛ یک مدل زبانی بزرگ ۱۴ میلیارد پارامتری که با ادغام یک گراف دانش گسترده، از بازیابی ساده‌ی حقایق به استدلال تشخیصی بیمار-محور حرکت می‌کند. این مدل در تشخیص داده‌های پرونده‌های الکترونیک سلامت، عملکردی پیشرو داشته و مدل‌های فاقد گراف دانش را شکست داد.
۲۲ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۲۲۰۴
تحلیل و بررسی تخصصیچرا استدلال قوی‌تر مدل‌ها برای جست‌وجوی عمیق در وب کافی نیست؟
TreeSeeker چارچوب جدیدی است که با استفاده از حافظه ساختاردرختی و سیگنال‌های UCB، مانع از گیر کردن عامل‌های هوش مصنوعی در مسیرهای بن‌بست می‌شود. این رویکرد ثابت می‌کند که برای جست‌وجوی عمیق، مدیریت وضعیت معماری مؤثرتر از تکیه بر منطق داخلی مدل است.
۲۲ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۲۲۰۵
تحلیل و بررسی تخصصیMoCA-Agent: دستیابی به دقت ۸۵.۶٪ در تحلیل مالی با معماری بازار ادعا
سیستم MoCA-Agent با معرفی معماری «بازار ادعا»، استدلال عددی در تحلیل‌های مالی را متحول کرده و به دقت ۸۵.۶٪ در بنچمارک FinChart-Bench رسیده است. این مدل به‌جای بحث‌های متنی، بر تأیید ادعاهای اتمی و سنتز کد پایتون متمرکز است تا خطاهای محاسباتی را حذف کند.
۲۲ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۲۲۰۶
اخبار کوتاه روزانهچرا مدیرعامل انتراپیک تنها یک زیرمجموعه مستقیم دارد؟
داریو آمودئی، مدیرعامل انتراپیک، تمامی عملیات روزمره شرکت را به خواهرش دانیلا سپرده است. در این ساختار غیرمتعارف، او تنها یک زیرمجموعه مستقیم دارد تا تمرکز خود را به‌طور کامل بر چشم‌انداز فنی و پژوهشی نگه دارد.
۲۲ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۲۲۰۷
اخبار کوتاه روزانهدرون چرخش راهبردی Opendoor: جایگزینی نیروی ارزان هند با تیم‌های AI-Native
شرکت Opendoor با تعطیلی دفاتر خود در هند، مسیر خود را به سمت تیم‌های کوچک‌تر و «بومیِ هوش مصنوعی» تغییر می‌دهد. این اقدام نشان‌دهنده سقوط مدل سنتی برون‌سپاری است؛ چرا که هوش مصنوعی نیاز به نیروی انسانی گسترده برای کارهای اداری را از بین می‌برد.
۲۲ خرداد ۱۴۰۵۴ دقیقه خواندن - ۱۲۲۰۸
آموزش کاربردیجریمه ۱۵ میلیون یورویی برای SaaSها: چهار الزام شفافیت اتحادیه اروپا تا ۲۰۲۶
ارائه‌دهندگان خدمات ابری (SaaS) که کاربر اروپایی دارند، باید تا ۲ اوت ۲۰۲۶ اعلان‌های شفافیت هوش مصنوعی را در رابط کاربری خود پیاده کنند. عدم افشای تعاملات با AI و محتواهای مصنوعی می‌تواند جریمه‌هایی تا ۱۵ میلیون یورو داشته باشد.
۲۲ خرداد ۱۴۰۵۴ دقیقه خواندن - ۱۲۲۰۹
آموزش کاربردیچرا تسلط بر سینتکس برنامه‌نویسی دیگر مزیت رقابتی توسعه‌دهندگان نیست؟
یک توسعه‌دهنده تک‌نفره توانست تنها در دو ماه اپلیکیشن Traverba را بسازد. او با استفاده از Claude Code، پیچیدگی‌های فنی کدنویسی موبایل را حذف کرد تا روی بهینه‌سازی حافظه و باتری در حالت آفلاین تمرکز کند.
۲۲ خرداد ۱۴۰۵۴ دقیقه خواندن - ۱۲۲۱۰
آموزش کاربردیجایگزینی پرامپت با ماشین حالت: روشی برای توقف خطاهای ابزاری در عامل‌های AI
کتابخانه‌ی TypeScript جدیدی به نام reactive-fsm با استفاده از ماشین‌های حالت ساختاری، مانع از فراخوانی نادرست ابزارها توسط عامل‌های هوش مصنوعی می‌شود. این ابزار به جای تکیه بر دستورالعمل‌های شکننده، ابزارهای ممنوعه را به‌طور کامل از فضای متنی مدل حذف می‌کند.
۲۲ خرداد ۱۴۰۵۵ دقیقه خواندن