
وزنهای توزیعشده در برابر مدلهای متمرکز برای ثبت دانش محلی
مجموعه Thinking Machines Lab به جای مدلهای متمرکز و ایستا، سیستمی توزیعشده پیشنهاد میدهد که در آن کاربران وزنهای مدل را شخصیسازی کنند. هدف این رویکرد، جذب دانش ضمنی و محلی…
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

مجموعه Thinking Machines Lab به جای مدلهای متمرکز و ایستا، سیستمی توزیعشده پیشنهاد میدهد که در آن کاربران وزنهای مدل را شخصیسازی کنند. هدف این رویکرد، جذب دانش ضمنی و محلی…

پدیده فراموشی فاجعهبار باعث میشود مدلهای زبانی پس از آموزش روی دادههای تخصصی، توانایی استدلال عمومی خود را از دست بدهند. متدولوژی PEFT با محدود کردن تغییرات به زیرمجموعهای از…

درحالیکه هوش مصنوعی وظایف تکراری را خودکار میکند، توانمندیهای انسانی مثل تفکر انتقادی و قضاوت اخلاقی جایگزینناپذیر میمانند. متخصصان برای بقا در بازار کار ۲۰۲۶ باید از اپراتور…

سیستم جدید MOCA به کاوشگرهای سیارهای اجازه میدهد بدون فراموش کردن پروتکلهای ایمنی، ویژگیهای زمینشناختی جدید را در لحظه یاد بگیرند. این متد زمان انطباق سختافزاری را در…

یک تلاش پژوهشی هشتماهه برای ساخت زیرساخت دانشی نمادین و مبتنی بر CPU با شکست مواجه شد. این سیستم نتوانست بدون مدلهای پیشفرض، تجربیات قدیمی را به موقعیتهای جدید پیوند دهد.

توسعه هوش مصنوعی از افزایش اندازه مدلها به سمت ساخت سامانههایی تغییر مسیر داده که یاد میگیرند و تکامل مییابند. تمرکز جدید بر حافظه پایدار، هدفگذاری فعال و توانایی بازاندیشی…

انویدیا با معرفی چارچوب ASPIRE، امکان نوشتن، عیبیابی و ذخیرهسازی برنامههای کنترلی را برای روباتها فراهم کرد. این سیستم با تبدیل شکستها به مهارتهای قابل بازگشت، نرخ موفقیت در…

پژوهشی جدید نشان میدهد ذخیرهسازی خاطرات به صورت «نتیجههای قطعی»، عامل اصلی خطاهای تکراری در هوش مصنوعی است. معماری BeliefMem با جایگزینی حقایق صلب با توزیعهای احتمالی، مدلها…

چارچوب Neural Particle Automata (NPA) با جایگزینی شبکههای سختافزاری با ذرات پویا، امکان یادگیری رفتارهای خودسازمانده در محیطهای نامنظم را فراهم میکند. این سیستم با استفاده از…

کیپرونو نگتیچ با تبدیل ویرایشهای انسانی به دادههای آموزشی برای مدلهای محلی، یک سیستم خودبهبود ایجاد کرد. این رویکرد با اتوماسیون تنظیم دقیق بر اساس اصلاحات کاربر، دقت مدل را در…

پلتفرم EACI با تمرکز بر حافظه پایدار و تاریخچه مشترک، تلاش میکند رابطهای انسانیتر میان کاربر و هوش مصنوعی ایجاد کند. برخلاف باتهای متداول، این دستیاران میتوانند گفتگو را آغاز…

یک چارچوب فنی جدید استدلال میکند که نگاه به حافظهٔ عاملهای هوش مصنوعی بهعنوان یک پایگاهداده، باعث شکست در یادگیری و فراموشی میشود. مدل پیشنهادی GEM تمرکز را از ذخیرهسازی…