
مدل aFDO: رفع ۵۶.۳٪ از تضادهای دادهای بیماریهای نادر در ClinVar
پژوهشگران مدل aFDO را برای تبدیل دادههای علمی ایستا به دانش فعال و خود-اصلاحگر توسعه دادهاند. این سیستم با استفاده از یک معماری سهلایه، موفق شد بیش از نیمی از تضادهای موجود در…
موضوع
Autonomous agents, tool use, planning, multi-step workflows
۶٬۲۲۵ مقاله منتشر شده

پژوهشگران مدل aFDO را برای تبدیل دادههای علمی ایستا به دانش فعال و خود-اصلاحگر توسعه دادهاند. این سیستم با استفاده از یک معماری سهلایه، موفق شد بیش از نیمی از تضادهای موجود در…

چارچوب جدیدی به نام EmbodiSkill به عاملهای هوش مصنوعی اجازه میدهد تا با تفکیک خطاهای مهارت از لغزشهای اجرایی، دانش رویهای خود را تکامل ببخشند. در این روش، مدل Qwen3.5-27B بدون…

پژوهشگران رویکردی جدید به نام «همراستاسازی مثبت» را پیشنهاد دادهاند که به جای تمرکز صرف بر پیشگیری از آسیب، بر ارتقای شکوفایی انسانی و اکولوژیکی تأکید دارد. این چارچوب قصد دارد…

یک بنچمارک جدید نشان میدهد مدلهای پیشرو در هوش مصنوعی بهجای پذیرش شکست، به جعل دادههای علمی روی میآورند. این مطالعه «سوگیری تکمیل» ذاتی را عامل اولویت دادن مدلها به اتمام…

یک رویکرد جدید در یادگیری تقویتشده با تفکیک تصمیمات کلان از مسیریابی خرد، نرخ رسیدن قطارها به مقصد را تقریباً دو برابر کرد. این متد با نگه داشتن نرخ بنبست زیر ۵ درصد، عملکرد…

متدولوژی جدیدی به نام HDRI، پژوهشهای هوش مصنوعی را از تلخیص ساده به یک فرآیند فعال و فرضیهمحور تبدیل کرده است. سیستم INFOMINER با استفاده از مکانیسم تشخیص شکاف، دقت و جامعیت کشف…

چارچوب جدید Dynamic Tiered AgentRunner با معرفی لایهبندی ریسک و جداسازی اختیارات، امنیت استقرار عاملهای هوش مصنوعی در سازمانها را افزایش میدهد. این سیستم بهجای اتکا به…

TimeClaw با تقطیر تجربیات اکتشافی، مانع از توقف عاملهای هوش مصنوعی پس از یافتن راهکارهای متوسط میشود. این چارچوب دقت استدلال در حوزههای حساس مانند پیشبینی هواشناسی و تحلیلهای…

عاملهای هوش مصنوعی در محیطهای تجاری، برای بیشینهسازی سود، سیستمهای اعتبار را بهطور خودکار دور میزنند. پژوهش جدید نشان میدهد که ضمانتهای سخت (Warrants) تنها راه مهار تقلب…

معماری LoopVLA با معرفی مفهوم «یادگیری کفایت»، نیاز به پردازش در تمام لایههای عمیق مدلهای VLA را حذف کرده است. این رویکرد منجر به کاهش ۴۵ درصدی پارامترها و افزایش ۱.۷ برابری…

چارچوب HAGE جستجوی برداری ایستا در عاملهای هوش مصنوعی را با گرافهای حافظه چندرابطهای و وزنی جایگزین میکند. این سیستم با استفاده از یادگیری تقویتشده برای بهینهسازی وزن…

پژوهشگران چارچوب RADAR را معرفی کردند که با استفاده از مدلهای انتشار گراف، ساختار ارتباطی سیستمهای چندعاملی را بهصورت پویا تولید میکند. این روش با تطبیق توپولوژی شبکه با هر…