پرش به محتوای اصلی

موضوع

چندوجهی

Models that natively process text+image+audio+video

۱٬۶۶۴ مقاله منتشر شده

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…

۴ دقیقه خواندن

رابط کاربری هوشمند OpenAI چت‌بات را به بوم بصری تعاملی تبدیل کرد

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…

۲ دقیقه خواندن۲
آموزش کاربردی

«جایگزینی خط لوله‌های چندمدلی»؛ استراتژی EmDash برای پاکسازی مخزن افزونه‌ها

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…

۳ دقیقه خواندن
آموزش کاربردی

مدل d1-3B شرکت Liquid AI در محک تصمیم‌گیری از مدل‌های ۳۵ میلیارد پارامتری پیشی

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…

۴ دقیقه خواندن

چرا مدیریت وضعیت برای جلوگیری از تکرار محتوای هوش مصنوعی ضروری است؟

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…

۵ دقیقه خواندن

شرکت HUMXN هزینه تعمیرات خانگی را برای جمع‌آوری داده‌های رباتیک پرداخت می‌کند

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…

۴ دقیقه خواندن

سیسکو با ادغام Claude و RoomOS 27 محیط‌های کاری را عامل‌محور کرد

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…

۶ دقیقه خواندن۱

گوگل: یک میلیون درخواست روزانه برای احراز اصالت محتوای SynthID

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…

۲ دقیقه خواندن
آموزش کاربردی

درون سازوکار مسدودسازی ویژگی‌های غیرفعال در رابط‌های کاربری AI

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…

۸ دقیقه خواندن
آموزش کاربردی

beREEL جایگزینی برای جعبهٔ خالی پرامپت در تولید ویدیوهای تبلیغاتی

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…

۲ دقیقه خواندن۱
آموزش کاربردی

دانشگاه استنفورد: دست‌یابی به نرخ موفقیت ۹۸.۶ درسی در جابه‌جایی اشیا

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…

۹ دقیقه خواندن۲