
شکستِ پرامپتها در اجرای حفاظهای امنیتی؛ درسهایی از ساخت یک معلم صوتی
توسعه یک عامل صوتی برای دانشجویان رباتیک نشان داد که قوانین حیاتی ایمنی و مسیریابی نباید در پرامپتها نوشته شوند، بلکه باید در کد ابزارها سختافزاری شوند. این پروژه معماری…
موضوع
Models that natively process text+image+audio+video
۱٬۴۲۵ مقاله منتشر شده

توسعه یک عامل صوتی برای دانشجویان رباتیک نشان داد که قوانین حیاتی ایمنی و مسیریابی نباید در پرامپتها نوشته شوند، بلکه باید در کد ابزارها سختافزاری شوند. این پروژه معماری…

شرکت World Labs با معرفی موتور R2S2R، گلوگاه کمبود داده در رباتیک را هدف قرار داده است. این سامانه با تبدیل یک تسک واقعی به هزاران نسخهٔ مجازی، نیاز به جمعآوری دادههای گرانقیمت…

سامانه جدید Dhan Saathi با اولویت دادن به رابط صوتی، دسترسی میلیونها کاربر غیرانگلیسیزبان در هند به خدمات بانکی و طرحهای دولتی را تسهیل میکند. این ابزار با ترکیب انتقال صدای…

محک جدید Moonshot AI نشان میدهد حتی پیشرفتهترین مدلهای چندوجهی در درک ابتدایی تصاویر ناتواناند. هیچ مدلی نتوانست از مرز ۶۰ درصد صحت در مهارتهای بصری پایه عبور کند، که ثابت…

سامانه FinEd Saathi با ترکیب Gemini و Murf AI، محیطی امن برای یادگیری بورس هند فراهم کرده است. این ابزار با استفاده از عاملهای تخصصی و شبیهساز معاملات، کاربران را بدون ریسک…

پاسخهای هوش مصنوعی گوگل بهطور فزایندهای از ویدیوهای یوتیوب بهعنوان منبع اصلی استفاده میکنند. برندهایی که محتوای ویدیویی خود را برای خوانایی ماشین بهینه کنند، در نتایج AI…

استفاده از یک کلید API واحد برای محیطهای سازگار با OpenAI، فعال بودن تمام مودالیتهها مانند ASR را در هر منطقه تضمین نمیکند. توسعهدهندگان برای جلوگیری از شکست در محیط عملیاتی،…

افزونه Apex Vision AI با ادغام مستقیم در پلتفرمهای آموزشی مانند Canvas، پاسخهای آنی و ابزارهای مطالعه تولید میکند. این ابزار با قابلیت حل مسائل تصویری و تبدیل محتوای درسی به…

پروژه BolBuddy یک همراه هوش مصنوعی صوتی است که برای کاهش اضطراب صحبت کردن دانشجویان هندی طراحی شده است. این سیستم با ترکیب LiveKit و Groq، محیطی کمفشار برای تمرین انگلیسی فراهم…

دستیار صوتی FinSaathi با ادغام زیرساختهای تلفنی و هوش مصنوعی، فرآیند بررسی صلاحیت طرحهای دولتی در هند را از فرمهای پیچیده به مکالمات طبیعی تبدیل کرده است. این سامانه با قابلیت…

اپلیکیشن PawWise با ترکیب مدل Gemini و ElevenLabs، از طریق تحلیل عکسهای سگها، علائم چاقی و بیماریهای جسمی را شناسایی میکند. این ابزار با ارائه تریاژ فوری، قصد دارد تعداد…

تیم Qwen مدل جدید Qwen3.8-27B را با قابلیت تفکر بومی و تواناییهای عاملمحور گسترده عرضه کرد. این مدل در بنچمارکهای کدنویسی و پژوهشهای تخصصی، عملکرد مدلهای پیشرو را به چالش…