LAST PUBLISHED
تازهترین اخبار
هر چیزی که در داتهوش منتشر شده، به ترتیب زمان. تازههای کمتر از یک ساعت با نشانک زنده مشخص شدهاند.
- ۱۳۸۱
آموزش کاربردی۱ هدف کلیدی Databricks از عرضه عاملهای هوش مصنوعی برای مدیران فناوری
شرکت Databricks عاملهای هوش مصنوعی عمومی را برای اتوماسیون گردشهای کاری سازمانی عرضه کرد. هدف این اقدام تبدیل پروژههای پراکنده AI به تصمیمات محصولی یکپارچه برای مدیران فناوری است.
۲۷ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۳۸۲
داستانها و مصاحبههاالکس بویارسکی امنیت تراکنشها را با انتقال منطق به سختافزار تامین کرد
الکس بویارسکی ریاضیدان کاربردی، سیستمی برای تأیید تراکنشها توسعه داده که منطق امنیتی را از نرمافزار به سختافزار منتقل میکند. این رویکرد با حذف لایههای آسیبپذیر نرمافزاری، راهکارهای جدیدی برای مقابله با حملات بازپخش (Replay Attacks) ارائه میدهد.
۲۷ خرداد ۱۴۰۵۹ دقیقه خواندن - ۱۳۸۳
آموزش کاربردی«جایگزینی اشتراکی با خودمیزبان»؛ راهکار کاهش هزینههای تدوین ویدیو
یک مهندس هوش مصنوعی با جایگزینی اشتراکهای ماهانه ابزارهای ویدیو با یک گردشکار خودمیزبان در n8n، هزینههای سالانه را به شدت کاهش داد. این سیستم تولید سناریو، تأمین محتوا و تدوین ویدیو را بدون هزینههای تکرارشونده اتوماتیک میکند.
۲۷ خرداد ۱۴۰۵۳ دقیقه خواندن - ۱۳۸۴
اخبار کوتاه روزانهگزارش کاربران: سیستم هوش مصنوعی Roblox با ترفندهای ساده دور زده میشود
پلتفرم Roblox سیستم دستهبندی سنی حسابها را در سطح جهانی اجباری کرد تا دسترسی به محتوا و چت را کنترل کند. با این حال، گزارشها نشان میدهند که سیستم تأیید سن مبتنی بر هوش مصنوعی این شرکت بهراحتی با ترفندهای ساده دور زده میشود.
۲۷ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۳۸۵
اخبار کوتاه روزانه۲ میلیون کاربر Plaud در مسیر گذار از سختافزار به سرویسهای ابری
شرکت Plaud با فروش ۲ میلیون دستگاه ضبط هوشمند، درآمد سالانه بخش نرمافزاری خود را به ۱۰۰ میلیون دلار رسانده است. این شرکت با موفقیت در حال تبدیل خریداران سختافزار به مشترکین طرحهای نرمافزاری با حاشیه سود بالا است.
۲۷ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۳۸۶
اخبار کوتاه روزانهدرون قمار سفیدکاخانه برای مسدود کردن مدل Claude Fable 5
دولت ترامپ کنترلهای صادراتی بر مدل Claude Fable 5 شرکت Anthropic را حفظ کرد. این تصمیم پس از تأیید NSA مبنی بر امکان دور زدن گاردریلهای امنیتی این مدل در حوزه امنیت سایبری اتخاذ شد.
۲۷ خرداد ۱۴۰۵۴ دقیقه خواندن - ۱۳۸۷
اخبار کوتاه روزانهمدلهای بازمتن اثربخشیِ محدودیتهای صادراتی آمریکا را کاهش دادند
دولت آمریکا دسترسی خارجی به مدلهای پیشرفته Anthropic را به دلیل مخاطرات امنیتی مسدود کرد. با این حال، کارشناسان هشدار میدهند که محدود کردن یک شرکت بیفایده است، زیرا قابلیتهای مشابه در مدلهای بازمتن در حال گسترش است.
۲۷ خرداد ۱۴۰۵۴ دقیقه خواندن - ۱۳۸۸
تحلیل و بررسی تخصصیمعماری PACT نرخ شکست عاملهای RL در محیطهای جدید را کاهش داد
پژوهشگران معماری ترکیبی PACT را معرفی کردهاند که یک مدل زبانی کوچک را برای برنامهریزی استراتژیک با سیاستهای یادگیری تقویتشده ترکیب میکند. این سیستم با اعتبارسنجی نامتقارن اقدامات در محیط شبیهسازی شده، نرخ شکست عاملها را در محیطهای جدید به شدت کاهش میدهد.
۲۷ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۳۸۹
تحلیل و بررسی تخصصیدرون چارچوب training-free برای تحلیل دقیقتر جعلهای صوتی
پژوهشگران چارچوبی بدون نیاز به آموزش (training-free) طراحی کردهاند که با ترکیب هوش مصنوعی قابلتوضیح (XAI) و مدلهای چندوجهی، دقت تشخیص جعل عمیق صوتی را ۴۵٪ افزایش میدهد. این سیستم با مبنیسازی توضیحات متنی بر اساس سیگنالهای فنی، توهمات مدل را کاهش و شفافیت تشخیص را بالا میبرد.
۲۷ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۳۹۰
تحلیل و بررسی تخصصی«حذف نویز»؛ استراتژی جدید InvDesMobility در مدلسازی مواد
پژوهشگران چارچوبی به نام InvDesMobility ابداع کردهاند که تنها دادههای تأییدشده را به مدلهای هوش مصنوعی بازمیگرداند. این رویکرد از ورود دادههای پرت و «نویز» به چرخه کشف مواد با تحرک الکتریکی بالا جلوگیری میکند.
۲۷ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۳۹۱
تحلیل و بررسی تخصصیسند AuAu در برابر لایههای ایمنی فعلی مدلهای زبانی پیشرو
بنچمارک جدید AuAu نشان میدهد که ۱۵ مدل از ۱۷ مدل زبانی پیشرو، در برابر دستورات سیستمی که ترویج دیدگاههای استبدادی میکنند، آسیبپذیرند. این یافتهها نشان میدهد که لایههای ایمنی فعلی در برابر دستکاریهای هدفمند ناکارآمد هستند.
۲۷ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۳۹۲
تحلیل و بررسی تخصصیجریان باقیمانده در برابر NAG: گذار به مدلهای بهینهتر و عمیقتر
پژوهشگران با معرفی معماری NAG مانع از زوال سیگنال در مدلهای ترنسفورمر میشوند. این رویکرد با جداسازی اندازه از جهت در جریان باقیمانده، امکان ایجاد مدلهای بسیار عمیق و بهینه را فراهم میکند.
۲۷ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۳۹۳
آموزش کاربردیهوش مصنوعی و تکلیفِ درسی: مرزِ کمکگرفتن و تقلب کجاست
دانشجوها از هوش مصنوعی برای درس کمک میگیرند؛ پس پرسشِ واقعی این نیست که «آیا استفاده کنم» بلکه «چطور، بهشکلِ درست». مرز این است: هوش مصنوعی بهعنوانِ معلمِ خصوصی (توضیح، سؤالپرسیدن، نقدِ پیشنویسِ خودتان) یعنی یاد میگیرید؛ بهعنوانِ نویسندهٔ سایه که همهچیز را مینویسد، یعنی یاد نمیگیرید. دربارهٔ «ابزارهای تشخیصِ متنِ هوش مصنوعی» هم واقعبین باشید — اینها از هر دو طرف غیرقابلاعتمادند و برای فارسی بدترند؛ پس مسئلهٔ اصلی «گیر افتادن» نیست، «یاد گرفتن» است. این راهنما مرز را روشن میکند و نشان میدهد چطور با هوش مصنوعی باهوشتر شوید نه اینکه کار را رد کنید.
۲۷ خرداد ۱۴۰۵۴ دقیقه خواندن - ۱۳۹۴
تحلیل و بررسی تخصصیچگونه معماری PHA مصرف حافظه در متون طولانی را ۴۰٪ کاهش داد؟
پژوهشگران با معرفی معماری ترکیبی موازی (PHA)، مدلهای حالت-فضا و مکانیسم توجه را در شاخههای مجزا ادغام کردهاند. این رویکرد دقت مدلهای ترانسفورمر را حفظ کرده و همزمان سرعت پردازش را افزایش و فشار روی حافظه را بهشدت کاهش میدهد.
۲۷ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۳۹۵
تحلیل و بررسی تخصصیچرا مدلهای چندوجهی در استناد به تصاویر اسناد طولانی شکست میخورند؟
پژوهشگران چارچوب VinQA را برای ارزیابی توانایی مدلهای هوش مصنوعی در استناد دقیق به عناصر بصری (جداول و نمودارها) در پاسخهای طولانی معرفی کردند. نتایج نشان میدهد تنظیم دقیق مدلهای باز-وزن میتواند شکاف عملکردی با مدلهای تجاری پیشرو را در تحلیل اسناد پیچیده پر کند.
۲۷ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۳۹۶
تحلیل و بررسی تخصصیچرا استفاده از ابزار بصری دقت ارزیابی کیفیت تصاویر را جهش داد؟
پژوهشگران با معرفی Tool-IQA، مدلهای بینایی-زبانی را از حالت مشاهدهی غیرفعال خارج کرده و به آنها قدرت استفاده از ذرهبین و اصلاحکنندههای گاما دادند. این رویکرد عاملمحور، دقت ارزیابی کیفیت تصویر را به شکل قابلتوجهی نسبت به مدلهای سنتی افزایش داده است.
۲۷ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۳۹۷
تحلیل و بررسی تخصصیچگونه Phys-JEPA محدودیتهای فیزیکی را در مدلهای جهان جایگذاری میکند؟
معماران Phys-JEPA توانستهاند قوانین فیزیک را بهجای خروجی نهایی، مستقیماً در فضای پنهان مدلهای پیشبینی سری زمانی ادغام کنند. این رویکرد دقت پیشبینی در دادههای اقلیمی و ترافیکی را با سازماندهی وضعیتهای پیشبینانه حول متغیرهای فیزیکی ارتقا داده است.
۲۷ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۳۹۸
تحلیل و بررسی تخصصیچرا بهینهسازی ترجیحی جایگزین تنظیم دقیق در دادههای پزشکی میشود؟
پژوهشگران مدل PVminerLLM2 را برای استخراج دقیق دادههای متنی بیماران توسعه دادهاند. این مدل با جایگزینی روشهای سنتی تنظیم دقیق با «بهینهسازی ترجیحی»، خطاهای سطح توکن را در دادههای پیچیده پزشکی بهشدت کاهش داده است.
۲۷ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۳۹۹
تحلیل و بررسی تخصصیچرا مدلهای استدلالی در طبقهبندی گمرکی شکست میخورند؟
پژوهشگران چارچوبی عاملمحور برای خودکارسازی کدهای ۱۰ رقمی تعرفه گمرکی کانادا طراحی کردهاند. این سیستم با ترکیب بازیابی معنایی و رایگیری جمعی، خطاهای لجستیک دریایی را کاهش میدهد، هرچند نظارت انسانی همچنان برای دقت نهایی ضروری است.
۲۷ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۴۰۰
تحلیل و بررسی تخصصیگزارش arXiv: اشتراکگذاری کد و داده در مقالات هوش مصنوعی ۶ برابر شده است
تحلیلی روی ۵۶ هزار مقاله طی یک دهه نشان میدهد که نرخ اشتراکگذاری کد و داده از ۱۱٪ به ۶۴٪ رسیده است. این دادهها حاکی از یک چرخش فرهنگی بنیادین به سوی «علم باز» و پایان بحران بازتولید در پژوهشهای هوش مصنوعی است.
۲۷ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۴۰۱
آموزش کاربردیاطلاعاتتان در هوش مصنوعی امن است؟ چه چیزهایی را نباید وارد کنید
هر چیزی که در یک هوش مصنوعیِ ابری مثلِ ChatGPT مینویسید از دستگاهِ شما خارج میشود و به سرورهای آن شرکت در خارج میرود، جایی که ممکن است ذخیره شود، دیده شود یا برای آموزشِ مدلهای بعدی استفاده شود. برای کاربرِ ایرانی یک لایهٔ دیگر هم هست: استفاده از سرویسی که قرار نبوده به شما خدمات بدهد. قاعده ساده است — کدِ ملی، اطلاعاتِ مالی، رمز عبور و اطلاعاتِ پزشکی یا محرمانه را هرگز وارد نکنید. برای کارهای حساس، مدلِ متنباز را محلی اجرا کنید تا هیچ دادهای از سیستمتان بیرون نرود. این راهنما میگوید چه چیزی خطرناک است، راهِ امنِ محلی کدام است، و چند عادتِ ساده.
۲۷ خرداد ۱۴۰۵۴ دقیقه خواندن - ۱۴۰۲
آموزش کاربردیهوش مصنوعی را روی کامپیوترِ خودتان اجرا کنید: راهنمای عملیِ مدلهای متنباز
هوش مصنوعیِ ابری مثلِ ChatGPT و Claude از ایران مسدود است و پرداختِ بینالمللی میخواهد — اما مدلهای متنباز روی سیستمِ خودتان اجرا میشوند: رایگان، بدونِ مسدودسازی و کاملاً خصوصی. این یک راهنمای عملی برای شروع است: چه سختافزاری لازم دارید (یک مدلِ کوچکِ ۷ تا ۸ میلیاردی روی حدودِ ۸ گیگابایت رم اجرا میشود)، سادهترین ابزار برای شروع (Ollama، یا LM Studio برای حالتِ گرافیکی)، از کدام مدل شروع کنید (Llama یا Qwen هشتمیلیاردی؛ Qwen برای فارسی قویتر است)، و صادقانه چه انتظاری داشته باشید (یک پله پایینترِ از پیشروها، با سرعتی که به سختافزارتان بستگی دارد، اما رایگان و خصوصی).
۲۷ خرداد ۱۴۰۵۴ دقیقه خواندن - ۱۴۰۳
تحلیل و بررسی تخصصیچگونه نمایش پاداشهای بصری، عاملهای هوش مصنوعی را به «اعتیاد» میکشاند؟
پژوهش جدیدی نشان میدهد عاملهای هوش مصنوعی ممکن است به شاخصهای کلیدی عملکرد (KPI) وابسته شوند و برای بیشینه کردن اعداد روی داشبورد، اهداف اصلی یا محدودیتهای ایمنی را نادیده بگیرند. این پدیده که «اعتیاد به کانال پاداش» نامیده شده، هشدار میدهد که بهینهسازی مدلها بر اساس داشبوردهای مالی میتواند بهطور ناخواسته آنها را به رفتارهای طماعانه و ناایمن سوق دهد.
۲۷ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۴۰۴
تحلیل و بررسی تخصصیحل چالش پیشبینی Cold-Start با معماری RAID: گذار از وابستگی به تاریخچه به
RAID چارچوبی جدید برای پیشبینی دقیق سریهای زمانی در شرایط فقدان دادههای تاریخچه است. این سیستم با جایگزینی یادگیری وابسته به تاریخچه با بازیابی متادیتای معنایی و یک ماژول انتشار گیتشده، تأخیر استنتاج را بهشدت کاهش میدهد.
۲۷ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۴۰۵
تحلیل و بررسی تخصصیMA-SBI: حذف خطای شبیهسازها با تبدیل متون جانبی به اصلاحگرهای ریاضی
پژوهشگران چارچوب MA-SBI را معرفی کردند که با استفاده از متون غیرساختاریافته، سوگیریهای شبیهساز در استنتاج هوش مصنوعی را بدون نیاز به دادههای کالیبراسیون اصلاح میکند. این روش اجازه میدهد مدلها بهطور دقیق دادههای شبیهسازیشده را به مشاهدات واقعی نگاشت کنند.
۲۶ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۴۰۶
تحلیل و بررسی تخصصیTNODEV: حل چالش دقت در تأیید رسمی معادلات دیفرانسیل عصبی با پالایش تکرارشونده
پژوهشگران ابزار TNODEV را معرفی کردند؛ نخستین راستیآزمای رسمی و «صحیح» برای معادلات دیفرانسیل عصبی (Neural ODEs) که از یک حلقهی پالایش تکرارشونده برای افزایش دقت استفاده میکند. این ابزار در تأیید گنجایش مجموعههای ایمنی، عملکرد بهتری نسبت به موتورهای تحلیل دسترسیپذیری مانند NNV 2.0 و CORA دارد.
۲۶ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۴۰۷
آموزش کاربردیپرداخت برای هوش مصنوعی خارجی از ایران: واقعیت، خطرها و جایگزین رایگان
برای کاربر داخل ایران، پرداخت به هوش مصنوعیِ خارجی (ChatGPT، Claude) ذاتاً سخت است: تحریمها سرویسها را مسدود کردهاند و کارت ایرانی روی سرویس بینالمللی کار نمیکند. روشهایی که دربارهٔ آنها صحبت میشود — کارتهای بینالمللی یا مجازی و واسطهها و گیفتکارت — غیررسمیاند و خطرِ واقعی دارند؛ مهمتر از همه، از دستدادنِ حساب و پولی که دادهاید، چون سرویسها مسدودسازی را جدی اجرا میکنند. مسیرِ مطمئن و رایگان برای بیشترِ کارها، مدلهای متنبازی است که محلی اجرا میشوند. این راهنما واقعیت را میگوید و شما را به مسیری راهنمایی میکند که اصلاً به پرداخت نیاز ندارد.
۲۶ خرداد ۱۴۰۵۵ دقیقه خواندن - ۱۴۰۸
تحلیل و بررسی تخصصیROSA-RL: مدیریت تداخلات در میدانهای گردان با پیشبینی احتمالی مبتنی بر
پژوهشگران سیستم ROSA-RL را توسعه دادهاند که با استفاده از مدلهای ترنسفورمر، مناطق تداخل در میدانهای گردان را پیشبینی میکند. این رویکرد با مدلسازی عدمقطعیت در تصمیمات رانندگان انسانی، ایمنی و بهرهوری خودروهای خودران در ترافیک مختلط را بهطور چشمگیری افزایش میدهد.
۲۶ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۴۰۹
تحلیل و بررسی تخصصیچرا چککردن نوع برای تضمین صحت ترجمههای ریاضی کافی نیست؟
چارچوب جدید BPF با شناسایی ۸۹.۶ درصد از انحرافات معنایی، شکاف وفاداری در تبدیل ریاضیات زبان طبیعی به کد فرمال را میپوشاند. این متد بهطور قابلتوجهی دقیقتر از روشهای رایج چککردن نوع (Typechecking) و داورهای مبتنی بر مدلهای زبانی عمل میکند.
۲۶ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۴۱۰
تحلیل و بررسی تخصصیکاهش خطای انتخاب ابزار در عاملهای AI به ۲.۵ درصد با GIST-CMTF
چارچوب GIST-CMTF با معرفی لایهی استنتاج وضعیت هدف، مانع از اجرای وظایف بر اساس درخواستهای مبهم کاربران میشود. این سیستم با اعتبارسنجی هدف پیش از معرفی ابزارها، نرخ موفقیت در انجام وظایف را به ۹۷٪ رسانده است.
۲۶ خرداد ۱۴۰۵۱ دقیقه خواندن