موضوع
Models that natively process text+image+audio+video
۱٬۴۲۰ مقاله منتشر شده
پژوهشگران با معرفی SpineAgent، سیستمی عامل‌محور ساخته‌اند که گزارش‌های پیچیده MRI ستون فقرات را از طریق هماهنگی ۳۷ عامل تخصصی تولید می‌کند. این مدل با آموزش روی ۱۳ میلیون برش…
پژوهشگران متد جدیدی به نام «استدلال بصری» را معرفی کرده‌اند که تحلیل‌های متنی داخلی را با نمایش‌های تصویری جایگزین می‌کند. این رویکرد بدون کاهش دقت، حجم توکن‌های مورد نیاز برای…
عامل جدید SuperBrowser با دستیابی به نرخ موفقیت ۸۹.۴۷ درصدی در بنچمارک Mind2Web Hard، استانداردهای ناوبری وب را جابه‌جا کرد. این سیستم به جای پردازش جامع داده‌های صفحه، از مکانیزم…
بنچمارک جدید IMUG-Bench نشان می‌دهد مدل‌های چندوجهی یکپارچه در حفظ سازگاری طی گفتگوهای طولانی با تصاویر شکست می‌خورند. این پژوهش ثابت می‌کند «سوگیری مواجهه» عامل اصلی خطاهاست و…
پژوهشگران با معرفی VisShield و مجموعه‌داده‌ی OPTIC، چارچوبی برای شناسایی و ماسک‌گذاری دقیق اطلاعات خصوصی در مدل‌های بینایی-زبانی (VLMs) ارائه کردند. این رویکرد ریسک نشت داده‌های…
چهارچوب AlloSpatial با تبدیل دیدهای محدود به نقشه‌های جهانی، مشکل «شکنندگی مکانی» در مدل‌های چندوجهی را حل کرده است. این سیستم استدلال فضایی در مدل‌هایی مانند Qwen3-VL را تا ۱۸٪…
سیستم Baichuan-M4 رویکرد هوش مصنوعی در پزشکی را از پاسخ‌های تک‌مرحله‌ای به «مراقبت مستمر» تغییر می‌دهد. این سامانه با بهره‌گیری از معماری عامل‌محور (Agentic) و آموزش تخصصی RL، نرخ…
سامانه‌ی مسیریابی ARMS با بهره‌گیری از یک مجموعه‌داده‌ی تخصصی، قادر است بهینه‌ترین مدل چندوجهی را برای هر پرس‌وجو انتخاب کند. این سیستم با وجود ابعاد بسیار کوچک‌تر، در دقت انتخاب…
اتوماسیون اسناد از قالب‌های خشک «ادغام نام» به سیستم‌های بومی هوش مصنوعی تغییر جهت می‌دهد. پلتفرم‌های جدیدی مانند Autype به جای تولید مجدد فایل‌های باینری، اجازه می‌دهند عامل‌ها…
اپل در WWDC ۲۰۲۶ از معماری جدیدی برای هوش مصنوعی خود پرده برداشت که با همکاری گوگل Gemini توسعه یافته است. این به‌روزرسانی Siri را به یک همراه فعال تبدیل کرده و با ادغام داده‌های…
اپل در WWDC ۲۰۲۶ قابلیتی را معرفی کرد که با تحلیل عکس رسیدها، امکان ارسال درخواست پرداخت جداگانه از طریق Apple Cash را فراهم می‌کند. این ابزار با ادغام پرداخت در دوربین، نیاز به…
آمازون قابلیت تولید طرح‌های سفارشی با هوش مصنوعی را به اپلیکیشن خرید خود اضافه کرد. اکنون کاربران آمریکایی می‌توانند با یک پرامپت، کالایی را طراحی کرده و از طریق شبکه توزیع Prime…