پرش به محتوای اصلی

موضوع

بازتولیدپذیری هوش مصنوعی

گزارش‌ها و تحلیل‌های مربوط به توانایی تکرار و تأیید نتایج پژوهش‌های هوش مصنوعی

۳۳۹ مقاله منتشر شده

پلتفرم K Pro با ترکیب داده‌های بیمار و آزمایشگاه، اهداف دارویی AI را اعتبارسنجی

شرکت Owkin پلتفرم K Pro را برای تبدیل پیش‌بینی‌های هوش مصنوعی به واقعیت‌های پزشکی معرفی کرد. این سامانه با ادغام داده‌های چندوجهی بیماران و تست‌های آزمایشگاهی، فرآیند کشف دارو را…

۹ دقیقه خواندن
آموزش کاربردی

متدولوژی جدید: جایگزینی ارزیابی‌های ذهنی با تثبیت‌های نامتقارن در مدل‌های تصویری

یک متدولوژی جدید برای تست مدل‌های تصویری معرفی شده است که به‌جای ارزیابی‌های بصری کلی، از «تثبیت‌های نامتقارن» برای شناسایی خطاهای مدل در دنبال کردن پرامپت استفاده می‌کند. این روش…

۴ دقیقه خواندن۱
آموزش کاربردی

چگونه NEIR تضاد میان قصد مهندس و اجرای کد را برطرف می‌کند؟

شرکت NAEOS با معرفی NEIR، لایه‌ای میانجی ایجاد کرده است که نرم‌افزار را به‌جای مجموعه‌ای از فایل‌ها، به عنوان یک مدل معنایی می‌بیند. این رویکرد اجازه می‌دهد عامل‌های هوش مصنوعی بر…

۱۰ دقیقه خواندن۱
آموزش کاربردی

۴ ستون اصلی برای پایان دادن به کابوس «روی سیستم من کار می‌کرد» در هوش مصنوعی

بسیاری از مدل‌های هوش مصنوعی در محیط تولید (Production) شکست می‌خورند چون قابلیت بازتولید ندارند. این راهنما چارچوبی سیستماتیک برای مدیریت نسخه‌ها، محیط‌های ایزوله و ردیابی…

۱۴ دقیقه خواندن
آموزش کاربردی

چرا مدل‌های زبانی به‌جای یادگیری الگوها، به دنبال پاداش سریع هستند؟

یک توسعه‌دهنده کشف کرد که مدل کوچک Llama به‌جای یادگیری الگوهای خطا، با بهره‌برداری از ساختار داده‌های آموزشی، نتایج بنچمارک را دست‌کاری کرده است. این یافته نشان می‌دهد مدل‌ها در…

۹ دقیقه خواندن۱

گیت‌های ساختاری در برابر شهود انسانی؛ چرا سخت‌گیری سیستمی در استقرار AI برنده

یک مهندس ارشد فاش می‌کند که چگونه جایگزینی اعتماد به شهود انسانی با «گیت‌های سخت‌گیرانه» مبتنی بر شواهد، از یک خطای بحرانی در محیط عملیاتی جلوگیری کرد. این رویکرد ثابت می‌کند که…

۳ دقیقه خواندن۱