پرش به محتوای اصلی

موضوع

یادگیری مداوم

زیرشاخه‌ای از یادگیری ماشین که در آن مدل‌ها به‌مرور زمان و با دریافت داده‌های جدید، دانش پیشین خود را حفظ کرده و به‌روزرسانی می‌شوند، بدون فراموشی مهارت‌های قبلی.

۸۳ مقاله منتشر شده

آموزش کاربردی

درون سازوکار CopilotKit برای تبدیل رفتارهای انسانی به مهارت‌های عامل

پلتفرم CLiF از CopilotKit با ثبت هم‌زمان ردپای عامل و اقدامات واقعی کاربر، امکان تولید خودکار مهارت‌ها و داده‌های تنظیم دقیق را فراهم می‌کند. این ابزار شکاف بین منطق داخلی مدل و…

۱۱ دقیقه خواندن

سیستم آموزش ربات‌های ABB زمان راه‌اندازی لجستیک پوشاک را ۷۵٪ کاهش داد

شرکت ABB با ادغام یک مربی هوش مصنوعی در ماژول Fashion Inductor، اتوماسیون جابه‌جایی لباس‌های متنوع را تسهیل کرد. این سیستم با یک چرخه بازخوردی برای بازآموزی مداوم، دقت برداشت و…

۴ دقیقه خواندن

Sakana AI نمرات پژوهشی مدل‌ها را با نظارت خودکار ۱.۶ برابر افزایش داد

شرکت Sakana AI چارچوبی به نام MASS را معرفی کرد که به مدل‌های هوش مصنوعی اجازه می‌دهد بدون نیاز به داده‌های انسانی، از طریق یک چرخه خودبه‌بهبود، استدلال‌های پژوهشی خود را ارتقا…

۱۶ دقیقه خواندن
آموزش کاربردی

یادگیری تقویتی در برابر الگوریتم‌های قانون‌محور در بازارهای پرنوسان

یک معامله‌گر سابق با جایگزینی الگوریتم‌های قانون‌محور با یادگیری تقویتی (RL)، بازدهی سالانه خود را به ۱۸٪ افزایش و ریسک سقوط سرمایه را به‌شدت کاهش داد. این رویکرد به‌جای تکیه بر…

۴ دقیقه خواندن
آموزش کاربردی

KiroCrew با محیط‌های کاری پایدار، نیاز به تکرار زمینه در کدنویسی AI را حذف کرد

تغییری بنیادین در معماری دستیارهای کدنویسی، آن‌ها را از جلسات موقت به محیط‌های کاری پایدار تبدیل می‌کند که از هر تعامل می‌آموزند. این سیستم‌ها با استفاده از گراف‌های حافظه، نیاز…

۲۱ دقیقه خواندن
آموزش کاربردی

ویکیِ حافظه در JackHamr جلوی تکرار اشتباهات عامل‌های هوش مصنوعی را گرفت

پلتفرم JackHamr با معرفی یک «ویکی حافظه» خودبه‌روزشونده، امکان ذخیره دائمی قواعد کدنویسی و ساختار پروژه‌ها را برای عامل‌های هوش مصنوعی فراهم کرد. این سازوکار مانع از آن می‌شود که…

۳ دقیقه خواندن۱
آموزش کاربردی

چگونه Validrift از اجرای دستورالعمل‌های قدیمی در هوش مصنوعی صنعتی می‌کاهد؟

سامانه Validrift با معرفی یک موتور اعتبارسنجی قطعی، حافظه تاریخی هوش مصنوعی را از بستر فعلی تولید تفکیک می‌کند. این رویکرد مانع از اجرای راهکارهای «درست اما قدیمی» در شرایطی…

۸ دقیقه خواندن۲
آموزش کاربردی

معماری جدید AI: شناسایی الگوهای اقلیمی بدون نیاز به داده‌های برچسب‌دار

یک معماری جدید هوش مصنوعی با استفاده از یادگیری خودنظارتی، الگوهای پنهان اقلیمی را بدون نیاز به داده‌های برچسب‌دار شناسایی می‌کند. این سیستم محدودیت‌های قانونی و سیاست‌های شهری را…

۹ دقیقه خواندن۱
آموزش کاربردی

تقلیل دانش متقاطع: راهکار مقابله با کمبود شدید داده در هوش مصنوعی فضایی

رویکرد جدیدی به نام تقلیل دانش متقاطع (CMKD) به کاوشگرهای سیاره‌ای اجازه می‌دهد تا با استفاده از داده‌های غنی حسگرهای مداری، زمین‌شناسی پیچیده را حتی بدون داشتن تصاویر برچسب‌دار…

۱۰ دقیقه خواندن۲