موضوع
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.
۷۹ مقاله منتشر شده
چارچوب جدید Meta-Optimized Continual Adaptation (MOCA) به عامل‌های برنامه‌ریز هوش مصنوعی اجازه می‌دهد تا در تنها ۴ سال شبیه‌سازی با رژیم‌های اقلیمی متغیر سازگار شوند. این سیستم با…
یک پژوهشگر مستقل معماری Sovereign را معرفی کرد که با جایگزینی ساختارهای آماری با بستر هندسی، نیاز به پنجره‌های متنی محدود و حافظه‌های موقت را حذف می‌کند. این سیستم با استفاده از…
بررسی جدیدی نشان می‌دهد حافظه در مدل‌های زبانی بیش از آنکه ابزاری برای ذخیره داده باشد، حسی برای ایجاد تداوم و جهت‌یابی در زمان است. این رویکرد، حافظه را به عنوان یک «سیستم عصبی…
ریک هولیهان ابزار mneme را برای تبدیل رفتارهای مستندنشده سیستم‌ها به پلاگین‌های نسخه‌مند AI معرفی کرد. این موتور یادگیری بر روی «شکست‌های موفقیت‌گونه» تمرکز دارد؛ یعنی مواردی که…
معماری Recurrent Looped Transformer با ترکیب رمزگذار علی و رمزگشای بازگشتی، عمق محاسباتی مدل را متناسب با طول توالی افزایش می‌دهد. این رویکرد تلاش می‌کند استدلال نهان را با…
گروه موتور هیوندای با معرفی سامانه «چرخه داده» (Data Flywheel)، فرآیند آموزش هوش مصنوعی خودروهای خود را از مدل خطی به حلقوی تغییر داد. این استراتژی با تکیه بر همکاری با انویدیا و…
استفاده از یک مدل واحد برای هم اجرا و هم تأیید اقدامات یک عامل هوش مصنوعی، منجر به ایجاد حلقه‌های بازخورد خطا می‌شود. چارچوب جدید پیشنهاد می‌کند برای جلوگیری از «اعتماد به…
پژوهشگران گوگل با معرفی گراف‌های رویه‌ای، حافظه ضمنی عامل‌ها را به راهنمای صریح و تکامل‌پذیر تبدیل کردند. این چارچوب به عامل‌ها اجازه می‌دهد با مقایسه مسیرهای موفق و شکست‌خورده،…
سامانهٔ حافظهٔ متن‌باز Mycelium با جداسازی «مرکزیت» از «تازگی»، مشکل فراموشی زمینه‌های فوری در مدل‌های هوش مصنوعی را حل کرده است. این سیستم به‌جای تکیه بر جست‌وجوی برداری ساده، از…
تحلیل API مدل Gemini نشان می‌دهد دقت هوش مصنوعی پس از ۲۰ نوبت گفتگو افت می‌کند، حتی اگر پنجره متنی فضای بیشتری داشته باشد. این یافته‌ها حاکی از آن است که «فراموشی» فعال، یک ضرورت…
یک پژوهشگر با آموزش یک مدل ترنسفورمر کوچک از صفر، توانست بدون استفاده از داده‌های مصنوعی و با هزینه‌ای ناچیز، به امتیاز ۴۴٪ در آزمون استدلال ARC-AGI-1 دست یابد. این دستاورد فرضیه…
سامانه Alice با جایگزینی بهینه‌سازی مداوم مدل با «مدارهای عملیاتی» و نقشه‌های زنده، هوش مصنوعی را از وابستگی به وزن‌های LLM رها می‌کند. در این رویکرد، مدل زبانی تنها یک موتور…