موضوع
Models that natively process text+image+audio+video
۱٬۴۱۸ مقاله منتشر شده
اپل در حال تغییر استراتژی از تمرکز بر گوشی به پلتفرم‌های رایانش محیطی است. در این مدل، آیفون به یک مرکز پردازش و باتری تبدیل می‌شود تا عینک‌های هوشمند سبک‌تر و کاربردی‌تر شوند.
پژوهشگران چارچوبی برای مدل‌های زبانی توسعه داده‌اند که با تزریق نشانه‌های احساسی غیرکلامی به متن گفتگو، سطح بحران‌های روانی را شناسایی می‌کند. این سیستم با ترکیب تحلیل‌های صوتی و…
پژوهشگران مدل HapticLDM را معرفی کردند؛ نخستین سیستم تبدیل متن به لرزش بر پایه مدل‌های انتشار لایه‌ای. این مدل با غلبه بر محدودیت‌های مدل‌های توالی‌محور، بازخوردهای لمسی…
پژوهشگران چارچوب جدیدی به نام HGC-Det معرفی کرده‌اند که با بهره‌گیری از فضای هایپربولیک، ادغام داده‌های تصویری و ابر نقاط را در تشخیص اشیاء سه‌بعدی بهینه می‌کند. این روش با کاهش…
یک مدل یادگیری عمیق جدید توانسته است با تحلیل سیگنال‌های خام صوتی، افسردگی و اضطراب را با حساسیت و ویژگی ۷۱ درصدی تشخیص دهد. این دستاورد نشان می‌دهد نشانگرهای زیستی صوتی مستقل از…
گوگل با معرفی پلتفرم Googlebook، استراتژی خود را از لپ‌تاپ‌های ارزان‌قیمت وب‌محور به سخت‌افزارهای سطح بالا با پایه اندرویدی تغییر داد. این اقدام تلاشی است برای شکستن سلطه ویندوز و…
مدل‌های زبانی بزرگ چندوجهی (MLLM) به جای استدلال بصری واقعی، از یک «میان‌بر دکارتی» برای تقلب در بنچمارک‌ها استفاده می‌کنند. بنچمارک جدید Polaris-Bench نشان می‌دهد که با تغییر…
گوگل با ادغام قابلیت Rambler در Gboard، ویژگی‌های پیشرفته‌ای مثل حذف کلمات زائد را به میلیون‌ها کاربر اندروید ارائه می‌دهد. این اقدام، سدی عظیم توزیعی برای استارتاپ‌های مستقل…
گوگل با معرفی خط تولید لپ‌تاپ‌های Googlebooks در پاییز ۲۰۲۶، اندروید و ChromeOS را در یک سیستم‌عامل هیبریدی ادغام می‌کند. این دستگاه‌ها با محوریت هوش مصنوعی زاینده و ابزارهای…
شرکت ریویان دستیار صوتی مبتنی بر هوش مصنوعی خود را برای تمامی خودروهای نسل اول و دوم عرضه کرد. این سیستم برخلاف رقبای خود، به جای تکیه بر گوشی‌های هوشمند، مستقیماً سخت‌افزار خودرو…
پلتفرم ModelScope به منبع اصلی و معتبر مدل‌های Qwen و DAMO تبدیل شده است. اگرچه تجربه کاربری آن شبیه Hugging Face است، اما ابزارهایی مانند ms-swift سرعت تنظیم دقیق را به‌شدت…
پژوهشگران با معرفی بنچمارک PhyGround و مدل وزن‌باز PhyJudge-9B، ابزاری دقیق برای سنجش پایبندی ویدیوهای هوش مصنوعی به قوانین فیزیک ارائه کردند. این مدل در شناسایی خطاهای فیزیکی،…