پرش به محتوای اصلی

موضوع

چندوجهی

Models that natively process text+image+audio+video

۱٬۶۶۴ مقاله منتشر شده

مدل Damo Radar علی‌بابا ۱۴۶ بیماری شکمی را از روی سی‌تی‌اسکن تشخیص می‌دهد

آکادمی دمو متعلق به علی‌بابا، مدل بینایی-زبانی Damo Radar را به‌صورت متن‌باز منتشر کرد. این مدل قادر است ۱۴۶ وضعیت بالینی مختلف در ناحیه شکم را با دقت بالا شناسایی کند.

۱ دقیقه خواندن۲
آموزش کاربردی

«جایگزینی ابزارهای پراکنده»؛ رویکرد جدید Metacasa در خودکارسازی بازاریابی

پلتفرم Metacasa AI Studio با ترکیب طبقه‌بندی فایل‌ها، چیدمان مجازی و تولید محتوا، فرآیند تبدیل مستندات خام املاک به دارایی‌های تبلیغاتی را خودکار کرده است. این سیستم جایگزین…

۶ دقیقه خواندن

«خداحافظی با ریتوپولوژی دستی»؛ هوش مصنوعی در خدمت تولید فیلم

ابزارهای جدید مبتنی بر هوش مصنوعی، فرآیندهای خسته‌کننده ریتوپولوژی و UV Mapping را خودکار کرده‌اند. این پیشرفت‌ها در کنار ویرایش هوشمند ویدیوها، هزینه‌های نیروی انسانی در تولید…

۴ دقیقه خواندن۲

استراتژی جنگل تاریک؛ چرا پیشگامان مدل‌های جهانی در سکوت مطلق پیش می‌روند؟

استارتاپ‌های پیشرو در زمینه مدل‌های جهانی برای جلوگیری از واکنش غول‌هایی مثل OpenAI، نقشه‌های راه خود را حتی از تأمین‌کنندگان داده مخفی می‌کنند. این رویکرد امنیتی نشان می‌دهد که…

۴ دقیقه خواندن۴

والت دیزنی: انتصاب نخستین CTO برای یکپارچه‌سازی زیرساخت‌های هوش مصنوعی

والت دیزنی کاراندپ آناند، مدیرعامل سابق Character.AI را به عنوان نخستین مدیر ارشد فناوری (CTO) خود منصوب کرد. آناند مأموریت دارد زیرساخت‌های هوش مصنوعی دیزنی را برای ایجاد…

۴ دقیقه خواندن۱

درون معماری Helix 2.5 برای حذف آموزش محیطی در ربات‌های انسان‌نما

شبکه عصبی جدید شرکت Figure به ربات‌های انسان‌نما اجازه می‌دهد بدون آموزش محیطی، کارهای خانه را در مکان‌های کاملاً جدید انجام دهند. این سیستم با بهره‌گیری از مجموعه داده Index، نرخ…

۵ دقیقه خواندن