تازه‌ترین اخبار
هر چیزی که در دات‌هوش منتشر شده، به ترتیب زمان. تازه‌های کمتر از یک ساعت با نشانک زنده مشخص شده‌اند.
- ۱۴۲۲۱
آموزش کاربردیEvoNash-MARL: سیستم هوش مصنوعی با بازدهی ۱۹.۶٪ در تخصیص سهام
پژوهشگران چارچوبی مبتنی بر یادگیری تقویتی چندعامله توسعه داده‌اند که با ادغام بهینه‌سازی جمعیتی و اصول نظریه بازی، بازدهی سالانه ۱۹.۶٪ را در برابر ۱۱.۷٪ شاخص SPY به ثبت رسانده است. این روش با وجود محدودیت‌های واقعی معاملات، عملکرد مطلوبی نشان داده است.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۱۴۲۲۲
تحلیل و بررسی تخصصیتست امنیت LLM: چرا به هر دو روش پرامپتینگ و هدایت فعال‌سازی نیاز است
پژوهشی گسترده روی ۵۵۶۸ شرایط مختلف نشان داده است که آزمایش مدل‌های زبانی تنها با یک روش، بسیاری از آسیب‌پذیری‌های مهم را از قلم می‌اندازد. معماری‌های مختلف این مدل‌ها پروفایل‌های ریسک متفاوت و حتی متضادی از خود نشان می‌دهند.
۲۸ فروردین ۱۴۰۵۲ دقیقه خواندن - ۱۴۲۲۳
آموزش کاربردیسایکلونامایئی: مدل چندوظیفه‌ای مقیاس‌پذیر برای پیش‌بینی توفان‌های حاره‌ای
سایکلون‌ام‌ای‌ئی از یک رمزگذار خودکار آگاه از ساختار استفاده می‌کند تا نمایش‌های قابل انتقال توفان‌های حاره‌ای را از داده‌های چندوجهی بیاموزد و همزمان پیش‌بینی‌های قطعی و احتمالی ارائه دهد.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۱۴۲۲۴
سرگرمی و خلاقیتچارچوب DiT-ST مشکل درک کپشن‌های پیچیده در تولید تصویر با هوش مصنوعی را حل کرد
پژوهشگران چارچوبی به نام DiT-ST توسعه داده‌اند که کپشن‌های پیچیده را به واحدهای معنایی سلسله‌مراتبی تجزیه می‌کند. این رویکرد درک مدل‌های منتشر را در تولید تصویر از روی متن بهبود می‌دهد و کیفیت خروجی را افزایش می‌دهد.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۱۴۲۲۵
تحلیل و بررسی تخصصیSafe-SAIL: چارچوبی دقیق برای تفسیر ایمنی در مدل‌های زبانی بزرگ
چارچوب Safe-SAIL با استفاده از کدگذارهای خودکار پراکنده، ویژگی‌های ایمنی را در مدل‌های زبانی بزرگ شناسایی و تفسیر می‌کند. این روش هزینه تحلیل را ۵۵ درصد کاهش می‌دهد و ۱۷۵۸ ویژگی مرتبط با ایمنی را شناسایی کرده است.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۱۴۲۲۶
آموزش کاربردیمودورا: سیستم تحلیل اسناد نیمه‌ساختاریافته مبتنی بر هوش مصنوعی مولد
اسناد نیمه‌ساختاریافته که شامل جداول، نمودارها و پاراگراف‌های سلسله‌مراتبی هستند، به‌طور گسترده در حوزه‌های مختلف یافت می‌شوند. مودورا برای غلبه بر سه چالش اصلی در تحلیل این اسناد طراحی شده و با استفاده از درخت همبستگی کامپوننت‌ها و استراتژی بازیابی آگاه از نوع سؤال، از روش‌های پایه عملکرد بهتری نشان می‌دهد.
۲۸ فروردین ۱۴۰۵۲ دقیقه خواندن - ۱۴۲۲۷
آموزش کاربردیجیاف-اسکور؛ ارزیابی عدالت‌محور استحکام شبکه‌های عصبی
پژوهشگران چارچوبی به نام جی‌اف-اسکور توسعه داده‌اند که استحکام شبکه‌های عصبی را با اندازه‌گیری توزیع عادلانه حفاظت در کلاس‌های مختلف و با بهره‌گیری از ابزارهای اقتصاد رفاه ارزیابی می‌کند. این روش بدون نیاز به حملات متخاصم، گواهی استحکام مدل‌ها را صادر می‌کند.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۱۴۲۲۸
آموزش کاربردیپژوهشگران چارچوبی ساده برای بهبود حافظه هوش مصنوعی مکالمه‌ای پیشنهاد کردند
تیمی از پژوهشگران چارچوب جدیدی برای حافظه سیستم‌های مکالمه‌ای معرفی کرده‌اند که با شناسایی دو پدیده کلیدی به نام‌های «پراکندگی شواهد قطعی» و «افزونگی دوسطحی»، مشکلات عملکردی در گفتگوهای طولانی را برطرف می‌کند. این رویکرد با استفاده از تکنیک‌های بازیابی ایزوله و هرس هدفمند، ضمن حفظ بازدهی بالا در مصرف توکن و تأخیر، عملکرد قابل قبولی در معیارهای ارزیابی مختلف نشان داده است.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۱۴۲۲۹
تحلیل و بررسی تخصصیگریس: انتخاب هوشمند زیرمجموعه داده برای آموزش کارآمد مدل‌های زبانی
پژوهشگران چارچوب «گریس» را معرفی کرده‌اند که با استفاده از گراف و انتخاب تطبیقی، زیرمجموعه‌های نماینده‌ای از داده‌های آموزشی را شناسایی می‌کند تا آموزش مدل‌های زبانی بزرگ را تسریع بخشد. این روش با حفظ کیفیت مدل، هزینه‌های محاسباتی را به‌طور چشمگیری کاهش می‌دهد.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۱۴۲۳۰
آموزش کاربردیBID-LoRA: چارچوبی یکپارچه برای یادگیری مداوم و فراموشی ماشینی
پژوهشگران BID-LoRA را معرفی کردند؛ چارچوبی نوین که یادگیری مداوم و فراموشی ماشینی را با تنها ۵٪ به‌روزرسانی پارامترها ترکیب می‌کند و از مکانیسم‌های تطبیق دوسویه برای جلوگیری از نشت دانش بهره می‌برد.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۱۴۲۳۱
اخبار کوتاه روزانهنقدهای تکاملی، مشکل بازخوردهای راکد را در یادگیری عاملان هوشمند حل می‌کنند
چارچوب اکو (ECHO) یک رویکرد هم‌تکاملی معرفی می‌کند که در آن مدل‌های ناقد همراه با سیاست یادگیری تطبیق می‌یابند. این روش از راکد شدن بازخوردها جلوگیری کرده و پایداری آموزش را در محیط‌های باز بهبود می‌بخشد.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۱۴۲۳۲
تحلیل و بررسی تخصصیروش جدید صفحه‌بندی مشارکتی برای مدیریت سرریز پنجره زمینه در مدل‌های زبانی
پژوهشگران روشی به نام «صفحه‌بندی مشارکتی» معرفی کرده‌اند که با استفاده از نشانک‌های کلمات کلیدی، مکالمات طولانی با مدل‌های زبانی را مدیریت می‌کند. این روش به مدل اجازه می‌دهد محتوای حذف‌شده را در صورت نیاز بازیابی کند و در آزمون معیار LoCoMo از شش روش دیگر از جمله زمینه کامل عملکرد بهتری داشت. مهم‌ترین چالش شناسایی‌شده، انتخاب صحیح صفحه توسط مدل هنگامی است که نشانک‌ها فاقد تمایز کافی هستند.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۱۴۲۳۳
آموزش کاربردیکیفیت بازیابی، پوشش خروجی سیستم‌های RAG را در بنچمارک‌های مختلف پیش‌بینی می‌کند
تحقیقات جدید نشان می‌دهد که معیارهای بازیابی با کیفیت خروجی سیستم‌های RAG ارتباط قوی دارند. این یافته‌ها به توسعه‌دهندگان امکان می‌دهد قبل از تولید پاسخ نهایی، عملکرد سیستم را ارزیابی و بهینه‌سازی کنند.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۱۴۲۳۴
تحلیل و بررسی تخصصیعملکرد GPT-4o در نمره‌دهی آزمون فیزیک هم‌سطح با ارزیابی انسانی
پژوهش تازه‌ای نشان داده که GPT-4o در نمره‌دهی پاسخ‌های تشریحی فیزیک دانشگاهی به قابلیت اطمینان انسانی دست یافته است. این مطالعه تأکید می‌کند که راهنمای نمره‌دهی دقیق و ساختارمند، کلید اصلی ارزیابی قابل اعتماد با هوش مصنوعی است و نه پارامترهای پیچیده مدل.
۲۸ فروردین ۱۴۰۵۲ دقیقه خواندن - ۱۴۲۳۵
اخبار کوتاه روزانهوبفکتوری: فشرده‌سازی هوش مصنوعی زبانی در عامل‌های تعاملی وب
وب‌فکتوری یک سیستم یادگیری تقویتی کاملاً خودکار و بسته معرفی کرده که دانش مدل‌های زبانی بزرگ را به رفتارهای عملی عامل‌های رابط کاربری تبدیل می‌کند. این سیستم با استفاده از حداقل داده‌های مصنوعی، به عملکردی قابل مقایسه با روش‌های سنتی دست می‌یابد.
۲۸ فروردین ۱۴۰۵۲ دقیقه خواندن - ۱۴۲۳۶
تحلیل و بررسی تخصصیچالشهای سیستم‌های استدلال ریاضی چندوجهی بررسی شد
یک مرور جامع به وضعیت استدلال ریاضی چندوجهی پرداخته و مشکلات اصلی این حوزه را شناسایی کرده است. از مهم‌ترین چالش‌های مطرح‌شده می‌توان به misinterpretation نمودارها، عدم تطابق نمادهای ریاضی با نمایش بصری و ضعف در ارزیابی مراحل استدلال اشاره کرد. این پژوهش چارچوبی نظام‌مند برای جهت‌دهی به پیشرفت‌های آینده ارائه داده است.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۱۴۲۳۷
آموزش کاربردیRACF: تصحیح فاصله اشیا برای رانندگی خودکار ایمن
ما RACF را معرفی می‌کنیم، چارچوبی که استحکام ادراک خودروهای خودکار را از طریق اعتبارسنجی و تصحیح بین‌حسگری ارتقا می‌دهد. این سیستم در شرایط تضعیف حسگر، کاهش ۳۵ درصدی RMSE را با حفظ عملکرد بلادرنگ به دست می‌آورد.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۱۴۲۳۸
تحلیل و بررسی تخصصیارزیابی جدید: مدل‌های هوش مصنوعی در درک جداول اسناد اندونزیایی
محققان مجموعه داده INDOTABVQA را با ۱٬۵۹۳ تصویر سند به زبان باهاسا اندونزی و پرسش‌وپاسخ‌های چندزبانه منتشر کردند. این معیار برای آزمون مدل‌های بینایی-زبانی در درک متقابل جداول طراحی شده است. نتایج نشان داد که عملکرد مدل‌ها در جداول پیچیده و زبان‌های کم‌منابع به‌طور قابل‌توجهی ضعیف است، اما تنظیم دقیق تا ۱۷.۸٪ بهبود ایجاد کرد.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۱۴۲۳۹
اخبار کوتاه روزانهچارچوب جدید POMDP برای کنترل دقیق تقاضای حافظه در یادگیری تقویتی
پژوهشگران چارچوبی نظری معرفی کرده‌اند که امکان طراحی دقیق محیط‌های POMDP با ساختارهای تقاضای حافظه از پیش تعیین‌شده را فراهم می‌کند. این رویکرد به محققان اجازه می‌دهد تا به‌صورت نظام‌مند تأثیر نیازهای مختلف حافظه بر عملکرد عامل‌ها را بررسی کنند.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۱۴۲۴۰
تحلیل و بررسی تخصصیروشی تازه برای مقابله با حملات جیل‌بریک از درون مدل‌های زبانی بزرگ
پژوهشگران چارچوبی به نام ASGuard طراحی کرده‌اند که با تحلیل مسیرهای عصبی داخلی مدل‌های زبانی بزرگ، حملات جیل‌بریک مبتنی بر تغییر زمان فعل را شناسایی و خنثی می‌کند. این روش توانسته تعادلی بهینه میان ایمنی و کارایی مدل ایجاد کند.
۲۸ فروردین ۱۴۰۵۲ دقیقه خواندن - ۱۴۲۴۱
تحلیل و بررسی تخصصیمحققان روش «کاپو» را برای رفع اعتماد بیش از حد مدل‌های زبانی ارائه دادند
تیمی از محققان روش آموزشی جدیدی به نام «بهینه‌سازی خط‌مشی آگاه از کالیبراسیون» (CAPO) معرفی کرده‌اند که مشکل اعتماد بیش از حد مدل‌های زبانی بزرگ را حل می‌کند. این روش بدون کاهش دقت استدلال، کالیبراسیون را تا ۱۵ درصد بهبود می‌بخشد و گامی عملی برای کاهش توهم‌های هوش مصنوعی محسوب می‌شود.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۱۴۲۴۲
اخبار کوتاه روزانهفریمورک جدیدی که به هوش مصنوعی امکان یادگیری در عملیات فضایی می‌دهد
پژوهشگران فریم‌ورکی به نام گاید (GUIDE) توسعه داده‌اند که به مدل‌های زبانی بزرگ اجازه می‌دهد بدون نیاز به به‌روزرسانی وزن‌ها، کیفیت تصمیم‌گیری خود در عملیات فضایی را بهبود بخشند. این سیستم با تحلیل تجربیات گذشته، قوانین تصمیم‌گیری خود را تطبیق می‌دهد و در شبیه‌سازی‌های پیچیده فضایی عملکرد بهتری نسبت به روش‌های سنتی نشان داده است.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۱۴۲۴۳
تحلیل و بررسی تخصصیظهور سرهای توجه تخصصی در مدل‌های استدلالی از طریق پس‌آموزش
پژوهشی جدید نشان می‌دهد که تکنیک‌های پس‌آموزش، سرهای توجه تخصصی را در مدل‌های هوش مصنوعی پدید می‌آورند که استدلال پیچیده را ممکن می‌سازند، اما در عوض دقت محاسبات ساده را کاهش می‌دهند.
۲۸ فروردین ۱۴۰۵۲ دقیقه خواندن - ۱۴۲۴۴
تحلیل و بررسی تخصصیدوکسیکر: 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 سیگنال به نویز پایین و کمبود داده‌های نظارتی مقابله می‌کند و عملکرد برتری در اسناد بیرون از حوزه آموزشی نشان می‌دهد.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۱۴۲۴۵
آموزش کاربردیروش جدید مبتنی بر SVD برای حذف کارآمد داده از مدل‌های هوش مصنوعی
پژوهشگران روشی نوین ارائه داده‌اند که از تجزیه مقادیر منفرد برای هدایت به‌روزرسانی‌های LoRA در جهت‌های متعامد استفاده می‌کند. این رویکرد امکان حذف تدریجی اطلاعات از مدل‌های هوش مصنوعی را بدون افت عملکرد فراهم می‌سازد. آزمایش‌ها بر روی ۳۰ کار متوالی نتایج قابل توجهی نشان داده است.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۱۴۲۴۶
آموزش کاربردیTimeSAF: ادغام ناهمگام معنایی برای پیش‌بینی سری‌های زمانی
پژوهشگران چارچوبی نوین به نام TimeSAF توسعه داده‌اند که محدودیت‌های اساسی مدل‌های زبانی بزرگ در پیش‌بینی سری‌های زمانی را برطرف می‌کند. این روش با جداسازی یادگیری ویژگی‌های تک‌وجهی از تعامل چندوجهی و استفاده از ادغام سلسله‌مراتبی ناهمگام، عملکردی فراتر از روش‌های پیشرفته فعلی ارائه می‌دهد.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۱۴۲۴۷
اخبار کوتاه روزانهپژوهشی جامع؛ طبقه‌بندی هوش مصنوعی برای شبیه‌سازی ترافیک خودران و انسانی
یک مرور جامع در arXiv نخستین بررسی ساختارمند از روش‌های هوش مصنوعی برای مدل‌سازی خودروهای خودران و رانندگان انسانی در شبیه‌سازی ترافیک ترکیبی را ارائه کرده است. این مطالعه رویکردها را در سه دسته‌بندی سازمان‌دهی کرده و شکاف‌های مهمی در ابزارهای شبیه‌سازی فعلی شناسایی کرده است.
۲۸ فروردین ۱۴۰۵۲ دقیقه خواندن - ۱۴۲۴۸
تحلیل و بررسی تخصصیتحقیق 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 آن‌ها با تغییرات جزئی در شیوه نگارش پرامپت تا ۶۱.۸٪ افت می‌کند. این یافته‌ها حاکی از آن است که معیارهای فعلی ارزیابی ممکن است اعتمادپذیری واقعی این سیستم‌ها را بیش از حد تخمین بزنند.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۱۴۲۴۹
تحلیل و بررسی تخصصیتست 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 اعتمادپذیری بیشتری روبه‌رو هستند.
۲۸ فروردین ۱۴۰۵۲ دقیقه خواندن - ۱۴۲۵۰
تحلیل و بررسی تخصصیروشی 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 مرحله رمزگشایی، مشکل غلبه پیش‌فرض‌های زبانی بر شواهد بصری را برطرف می‌کند و می‌تواند قابلیت اطمینان سیستم‌های هوش مصنوعی را در پردازش متن و تصویر بهبود بخشد.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن