پرش به محتوای اصلی

موضوع

چندوجهی

Models that natively process text+image+audio+video

۱٬۶۶۴ مقاله منتشر شده

قمار ۱.۲۵ میلیارد دلاری ریویان برای شکست دادن تسلا در اتومبیل‌های بدون راننده

شرکت ریویان با طراحی تراشه اختصاصی و عقد قرارداد ۱.۲۵ میلیارد دلاری با اوبر، قصد دارد از سطح ۲ به سطح ۴ اتونومی جهش کند. این استراتژی بر پایه مدل‌های رانندگی بزرگ و ادغام…

۱۵ دقیقه خواندن

Suno v6 با داده‌های لایسنس‌دار؛ پایان عصر استخراج رایگان در موسیقی AI

شرکت Suno برای کاهش دعاوی حقوقی، مدل‌های نسل ششم خود را با داده‌های قانونی از برچسب‌های موسیقی بزرگ آموزش داد. این به‌روزرسانی شامل ابزارهای ویرایش دقیق و سیستمی طبقه‌بندی‌شده…

۳ دقیقه خواندن۱

«مقیاس به‌تنهایی کافی نیست»؛ تغییر اولویت‌ها در توسعه هوش مصنوعی صوتی

متخصصان صنعت هشدار می‌دهند که افزایش مقیاس مدل‌ها لزوماً منجر به انسانی‌تر شدن عامل‌های صوتی نمی‌شود. در این حوزه، تأخیر (Latency) و مبنی‌سازی (Grounding) جایگزین تعداد پارامترها…

۵ دقیقه خواندن۲

درون مدل منتشرنشده OpenAI؛ از استدلال ریاضی تا جنجال‌های آکادمیک

یک مدل منتشرنشده از OpenAI با استفاده از ۱۰ هزار عامل هوش مصنوعی، یکی از دشوارترین مسائل ریاضی قرن را در ۸۸ ساعت حل کرد. این موفقیت با اتهامات جدی درباره سرقت مالکیت فکری از…

۷ دقیقه خواندن۲

Gradium با نرخ پیروزی ۷۲.۶ درصدی از ElevenLabs در طراحی صدای مصنوعی پیشی گرفت

ابزار Voice Design شرکت Gradium امکان خلق صداهای کاملاً جدید را تنها از طریق توصیفات متنی فراهم می‌کند. این سیستم در آزمون‌های مقایسه‌ای، به‌ویژه در بازسازی لهجه‌های منطقه‌ای،…

۴ دقیقه خواندن۲
آموزش کاربردی

«تثبیت محدوده پروژه»؛ راهکاری برای توقف چرخه‌های تولید مجدد در AI

جایگزینی توصیفات مبهم با یک سند تک‌صفحه‌ای از معیارهای موفقیت، از چرخه‌های بی‌پایان تولید مجدد جلوگیری می‌کند. این متد با تثبیت محدوده پروژه پیش از تولید اولین فریم، هزینه‌های…

۲ دقیقه خواندن۱
آموزش کاربردی

استخراج داده از رسیدها با مدل‌های بینایی ۵۰ برابر ارزان‌تر شد

یک API جدید با استفاده از مدل‌های بینایی-زبانی، هزینه‌ی تبدیل رسیدها به داده‌های ساختاریافته را از ۱۰ سنت به ۱ هزارم دلار کاهش داده است. این رویکرد با حذف خط لوله‌های پیچیده‌ی…

۳ دقیقه خواندن۲
آموزش کاربردی

«فقدان ریتم‌بندی»؛ دلیل شکست مدل‌های پیشرو در تولید ویدیوهای نهایی

مدل‌های پیشرو در تولید ویدیو به‌دلیل فقدان ابزارهای تدوین و ریتم‌بندی، اغلب خروجی‌های غیرقابل‌انتشاری تولید می‌کنند. در مقابل، پلتفرم‌های تولیدی با تمرکز بر تحویل محتوای کاربردی،…

۳ دقیقه خواندن۲