چگونه Magic Pointer گوگل نیاز به نوشتن پرامپت را حذف میکند؟
گوگل با ادغام Gemini در نشانگر ماوس، نیاز به تایپ دستی دستورات را حذف کرده است. این سیستم با درک بافت بصری صفحه، تعامل با هر المان را به یک اشاره ساده تبدیل میکند.
موضوع
Models that natively process text+image+audio+video
۱٬۶۶۴ مقاله منتشر شده
گوگل با ادغام Gemini در نشانگر ماوس، نیاز به تایپ دستی دستورات را حذف کرده است. این سیستم با درک بافت بصری صفحه، تعامل با هر المان را به یک اشاره ساده تبدیل میکند.
پژوهشگران چارچوب M³Att را معرفی کردند که با استفاده از محرکهای بصری و اطلاعات گمراهکننده، سیستمهای RAG پزشکی را هدف قرار میدهد. این حمله مدلها را فریب میدهد تا تشخیصهای…
پژوهشگران با توسعه یک مدل بنیادی برای هلند، ثابت کردند که بافتار زمانی میتواند جایگزین حجم عظیم دادهها شود. این مدل با استفاده از ۱.۲ میلیون تصویر، عملکردی رقابتی در بنچمارکهای…
چارچوب MicroWorld با استفاده از گرافهای ویژگی چندوجهی، دقت مدل Qwen3-VL را در استدلالهای میکروسکوپی ۱۳٪ بیشتر از GPT-5 کرد. این دستاورد ثابت میکند بازیابی دانش ساختاریافته…
چارچوب ViSRA با حذف نیاز به آموزشهای هزینهبر، استدلال فضایی سهبعدی را در مدلهای چندوجهی ارتقا میدهد. این سیستم با تکیه بر مدلهای خبره، در وظایف پیشبینینشده تا ۲۸.۹٪ بهتر…
چارچوب PoDAR با جداسازی توان سیگنال از محتوای معنایی در فضاهای نهان صوتی، سرعت همگرایی مدلهای زاینده را دو برابر میکند. این رویکرد در مدل F5-TTS منجر به بهبود چشمگیر شباهت…
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…