
استخراج «ژنوم خلاقانه»؛ سازوکاری برای اتوماسیون تحلیل عملکرد تبلیغات
یک معماری عاملمحور جدید با جداسازی محاسبات دادهای از استدلال مدلهای زبانی، تحلیل تبلیغات را از گزارشهای ساده به بریفهای خلاقانه تبدیل میکند. این سامانه با شناسایی دقیق…
موضوع
Models that natively process text+image+audio+video
۱٬۴۲۵ مقاله منتشر شده

یک معماری عاملمحور جدید با جداسازی محاسبات دادهای از استدلال مدلهای زبانی، تحلیل تبلیغات را از گزارشهای ساده به بریفهای خلاقانه تبدیل میکند. این سامانه با شناسایی دقیق…

ویرایشگر کد Zed اکنون از سرور FFmpeg Micro MCP پشتیبانی میکند تا توسعهدهندگان بتوانند با پرامپتهای هوش مصنوعی ویدیوها را تبدیل و پردازش کنند. این قابلیت نیاز به دستورات دستی در…

نقشههای داخلی سنتی به دلیل تحمیل بار ذهنی برای تبدیل تصویر دوبعدی به حرکت سهبعدی شکست میخورند. رایانش مکانی با ادغام مسیریابی زمینهای و بلادرنگ در محیط فیزیکی، این شکاف شناختی…

شرکت Mistral AI مدل Robostral Navigate را معرفی کرد؛ یک مدل ۸ میلیارد پارامتری که رباتها را قادر میسازد تنها با یک دوربین معمولی و بدون نیاز به حسگرهای گرانقیمت، در محیطهای…

گوگل قابلیت Immersive Navigation را برای اندروید اتو فعال کرد تا نقشههای دوبعدی را با محیطهای سهبعدی ساختهشده توسط هوش مصنوعی جایگزین کند. این بهروزرسانی با تحلیل تصاویر…

تحلیلی جامع از انتقال بینایی ماشین از محیطهای پژوهشی به خط تولید نشان میدهد که ۶ قابلیت اصلی، از تشخیص اشیا تا تخمین ژست، اکنون در صنایع تولید و سلامت بازگشت سرمایهٔ سریع ایجاد…

یک توسعهدهنده با استفاده از mlx-whisper سامانه بازبینی کیفیت را خودکار کرد تا تکههای موسیقی تولیدشده توسط هوش مصنوعی را فیلتر کند. این سیستم با محاسبه نرخ تطابق متن، ۳۲ نسخه…

نوشتن توصیفات متنی بلند باعث نتایج پیشبینیناپذیر میشود چون مدلها توکنها را به دستور زبان ترجیح میدهند. استفاده از یک کامپایلر پایتونی برای تبدیل پرامپتها به دادههای…

شرکت PixVerse با جذب ۴۳۹ میلیون دلار در مرحلهی تکمیلی سری C، ارزش بازار خود را به ۲ میلیارد دلار رساند. این استارتاپ سنگاپوری اکنون در رقابت مستقیم با غولهایی چون OpenAI و…

یک چارچوب جدید با ترکیب تقطیر دانش چندوجهی و شبیهسازی معکوس، برای حفظ زبانهای در معرض خطر طراحی شده است. این سیستم با بازسازی خروجیهای مدل معلم از طریق بردارهای معنایی مدل…

اپل نسخههای بتای عمومی iOS 27 و macOS 27 را با تمرکز بر تبدیل سیری به یک دستیار هوش مصنوعی زاینده عرضه کرد. این بهروزرسانی علاوه بر قابلیتهای هوشمند، جهشهای چشمگیری در سرعت…

یک ابزار متنباز جدید با بهرهگیری از قابلیتهای بینایی مدل Claude، درسهای گیتار یوتیوب را به نتهای PDF تبدیل میکند. این ابزار با شناسایی دقیق میزانهای موسیقی و حذف فریمهای…