OpenAI: مقیاسبندی چندوجهی منجر به استدلال فیزیکی ناخواسته شد
مهندسان با استفاده از مدل GPT-6 Astra توانستند یک خودروی واقعی را بدون آموزشهای تخصصی رانندگی هدایت کنند. این آزمایش نشان میدهد که مقیاسبندی قابلیتهای چندوجهی در حال ایجاد…
موضوع
Models that natively process text+image+audio+video
۱٬۶۶۴ مقاله منتشر شده
مهندسان با استفاده از مدل GPT-6 Astra توانستند یک خودروی واقعی را بدون آموزشهای تخصصی رانندگی هدایت کنند. این آزمایش نشان میدهد که مقیاسبندی قابلیتهای چندوجهی در حال ایجاد…
اوپنایآی با معرفی Intelligent UI، پاسخهای متنی طولانی را با نمودارها و ابزارهای تعاملی جایگزین میکند. این سیستم که توسط مدل GPT-6 قدرت گرفته، اجازه میدهد کاربران مفاهیم…
شرکت OpenAI رابط برنامهنویسی جدید Decisions API را برای تبدیل ارزیابیهای پیچیده به پاسخهای دستهبندیشده و دقیق عرضه کرد. این ابزار که توسط مدل GPT-6 Luna قدرت گرفته، برای…
پلتفرم EmDash برای شناسایی کلاهبرداری و محتوای توهینآمیز در مخزن افزونههای خود از مدل چندوجهی Clef شرکت کلودفلر استفاده میکند. این سیستم با جایگزینی خط لولههای چندمدلی، سرعت…
شرکت Liquid AI دو مدل تصمیمگیرنده با وزنهای باز به نامهای d1-3B و d1-omni-600M را برای استنتاج سریع در لبه عرضه کرد. این مدلها بهجای تولید متن، بر تصمیمات ساختاریافته تمرکز…
سازنده Spread Out از موانع فنی تبدیل URL به کمپینهای شبکههای اجتماعی میگوید. این پروژه نشان میدهد که برای جلوگیری از تکرار رباتگونه محتوا، مدیریت وضعیت (State Management) و…
شرکت دادههای هوش مصنوعی HUMXN با پرداخت هزینه خدمات تخصصی خانگی در سه شهر آمریکا، در حال ضبط مهارتهای نیروی کار ماهر از طریق فناوریهای پوشیدنی است. این برنامه کارهای لولهکشی و…
سیسکو با تبدیل Webex از یک ابزار ارتباطی به پلتفرمی عاملمحور، امکان اجرای وظایف چندمرحلهای توسط عاملهای هوش مصنوعی را فراهم کرد. این بهروزرسانی شامل ادغام عاملهای مدیریتشده…
گوگل وبسایت SynthID را برای عموم کاربران فعال کرد تا هر کسی بتواند اصالت تصاویر، ویدیوها و فایلهای صوتی را بررسی کند. این ابزار که با مدلهای مختلف گوگل ادغام شده، روزانه یک…
تکیه بر سازگاری پروتکلهای OpenAI برای دسترسی به قابلیتهای صوتی ریسک بالایی دارد. معماری جدید «کشف قابلیتها» اجازه میدهد ویژگیهای غیرفعال پیش از ایجاد خطا برای کاربر، در سطح…
پلتفرم beREEL گردشکار تولید ویدیو با هوش مصنوعی را از حالت «تولید بر اساس دستور» به «انتخاب از میان گزینهها» تغییر داد. این ابزار با استخراج هویت برند از وبسایتها، قالبهای…
پژوهشگران استنفورد با معرفی OpenWAM، امکان جداسازی پیشبینی بصری از اجرای عملیات را در رباتها فراهم کردند. این سیستم با استفاده از دادههای ضدواقعی، اجازه میدهد مدلهای کنترلی…