پرش به محتوای اصلی

موضوع

چندوجهی

Models that natively process text+image+audio+video

۱٬۶۶۴ مقاله منتشر شده

سخت‌افزارهای جدید گوگل: تلاش برای تبدیل Gemini به لایه‌ی مدیریت زندگی

گوگل در حال انتقال Gemini از محیط چت‌بات‌ها به یک اکوسیستم سخت‌افزاری جدید است. این شرکت با معرفی عینک‌های هوشمند Android XR و لپ‌تاپ‌های Googlebook، قصد دارد هوش مصنوعی را به…

۲ دقیقه خواندن۱

از دستورات خشک تا زبان طبیعی: سازوکار جدید دسترسی‌پذیری در اپل اینتلیجنس

اپل با ادغام هوش مصنوعی زاینده در ابزارهای دسترسی‌پذیری، پیمایش دستگاه را از حفظ کردن دستورات به درک زبان طبیعی تغییر داد. این به‌روزرسانی شامل توصیف دقیق تصاویر و کنترل ویلچر با…

۳ دقیقه خواندن۱

مدل Agora-1 و گذار از شبیه‌سازی تک‌عاملی به موتورهای بازی زاینده

شرکت Odyssey با معرفی Agora-1، مدل‌های جهان را از حالت تک‌کاربره خارج کرده و محیط‌های شبیه‌سازی‌شده‌ی مشترک و بلادرنگ را ممکن ساخته است. این سیستم با جداسازی تکامل وضعیت جهان از…

۲ دقیقه خواندن۳

آیا پادکست‌های زاینده‌ی آمازون جایگزین جست‌وجوی سنتی اطلاعات می‌شوند؟

آمازون در ۱۸ مه ۲۰۲۶ قابلیت Alexa Podcasts را معرفی کرد که به کاربران آمریکایی اجازه می‌دهد درباره هر موضوعی پادکست‌های شخصی‌سازی‌شده بسازند. این ابزار با ترکیب داده‌های به‌روز…

۲ دقیقه خواندن

ارزش ۱.۷۵ تریلیون دلاری اسپیس‌اکس؛ هدف برای عرضه در نزدک در ۱۲ ژوئن

اسپیس‌اکس قصد دارد با ارزشی خیره‌کننده در ۱۲ ژوئن وارد بورس نزدک شود. هم‌زمان، درگیری‌های حقوقی ایلان ماسک و نفوذ سیاسی در معاملات سهام فناوری، ابعاد جدیدی به رقابت برای تسلط بر…

۲ دقیقه خواندن۱

WorldReasonBench: شکاف دوبرابری مدل‌های تجاری و بازمتن در درک فیزیک جهان

معیار جدید WorldReasonBench نشان می‌دهد که مدل‌های تجاری تولید ویدیو در استدلال جهانی دو برابر قدرتمندتر از رقبای بازمتن هستند. با این حال، تمامی مدل‌های بررسی‌شده در درک مفاهیم…

۳ دقیقه خواندن۱