چندوجهی

بررسی لایه‌های رایگان گوگل کلود نشان می‌دهد دسترسی به ابزارهای زیرساختی بسیار سخاوتمندانه‌تر از مدل‌های مولد است. در حالی که APIهای ترجمه و تبدیل متن به گفتار سقف‌های بالایی…

یک الگوی معماری جدید برای نظارت بر محتوا، بازشناسی گفتار را از طبقه‌بندی مدل‌های چت جدا می‌کند تا از تولید پاسخ‌های ساختگی جلوگیری شود. این روش با بررسی وضعیت مدل در کاتالوگ پیش…

شرکت Meshy مدل بنیادی Meshy 7 را معرفی کرد که بر «همراستاسازی» یا بازتولید دقیق هندسه تصویر مرجع تمرکز دارد. این عرضه با یک محک (Benchmark) جدید همراه است که به‌جای تکیه بر سلیقه…

شرکت Sandbar با جذب ۳۶ میلیون دلار، قصد دارد با معرفی انگشتر Stream، جایگزینی برای سخت‌افزارهای یادداشت‌برداری فعلی ایجاد کند. تمرکز این محصول بر ثبت سریع ایده‌های لحظه‌ای با…

پلتفرم Phala مدل ۲.۸ تریلیون پارامتری Kimi K3 را در محیط‌های اجرای مورد اعتماد (TEE) قرار داد. این اقدام به توسعه‌دهندگان اجازه می‌دهد بدون افشای داده‌های حساس به ارائه‌دهنده…

ساخت یک عامل صوتی پاسخگو نیازمند بهینه‌سازی ده‌ها گام نامرئی در شبکه و نرم‌افزار است. با هم‌پوشانی فرآیندهای بازشناسی گفتار، مدل زبانی و تبدیل متن به گفتار، می‌توان از تأخیرهای…

پلتفرم OlmoEarth Studio اکنون امکان استخراج بردارهای معنایی (Embeddings) از داده‌های مشاهده زمین را فراهم کرده است. این قابلیت تحلیل‌های پیچیده مانند تشخیص تغییرات محیطی و…

پلتفرم Runable AI با هدف حذف «خستگی از اپلیکیشن‌ها»، فرآیندهای پژوهش، طراحی و تولید محتوا را در یک گردش‌کار عامل‌محور ادغام کرده است. کاربران به‌جای جابه‌جایی بین ابزارهای تخصصی،…

گوگل دیپ‌مایند مدل SL2T را در گوشی‌های پیکسل ۱۱ ادغام کرد تا ترجمهٔ آنی زبان اشاره آمریکایی (ASL) به انگلیسی را در Gboard و Live Transcribe فراهم کند. این سامانه برای حفظ حریم…

پژوهشی جدید نشان می‌دهد لایه‌های «پاک‌سازی» متن در مسیر تبدیل گفتار به نوشتار، با حذف جزئیات ساختاری، عملکرد مدل‌های هوش مصنوعی را به‌شدت تخریب می‌کنند. این افت کیفیت در وظایف…

یک معماری جدید در فین‌تک‌ها، مدل‌های زبانی را به‌جای سیستم‌های اجرایی، به عنوان طبقه‌بندی‌کننده ساختاریافته سیاست‌ها به کار می‌گیرد. این روش با قرار دادن یک JSON Schema بین مدل و…

شرکت Liquid AI مدل بینایی-زبانی LFM2.5-VL-3B را برای سخت‌افزارهای محلی عرضه کرد. این مدل با تمرکز بر سرعت استنتاج و درک رابط‌های کاربری، استانداردهای عملکرد مدل‌های کوچک در لبه را…