موضوع
Models that natively process text+image+audio+video
۱٬۴۲۰ مقاله منتشر شده
مدل BridgeVLM با تبدیل گراف‌های علی به توکن‌های ساختاریافته، استدلال علی را در مدل‌های چندوجهی درونی کرده است. این رویکرد در وظایف پیچیده و خلاف-واقع، به‌طور قابل‌توجهی از…
بنچمارک جدید MedCTA نشان می‌دهد که پیشرفته‌ترین مدل‌های چندوجهی در اجرای وظایف بالینی چندمرحله‌ای شکست می‌خورند. این مطالعه شکاف عمیقی را میان توانایی مدل در درک داده‌های پزشکی و…
پلتفرم Argus با جایگزینی مدل‌های مرجع تک-تصویری با یک موزاییک پویا و ۳x۳، مشکل تغییر هویت سوژه در ویدیوهای ساخته‌شده با هوش مصنوعی را حل کرده است. این رویکرد باعث می‌شود چهره‌ها…
پژوهشگران چارچوب AVIS را معرفی کردند که با مقیاس‌گذاری تطبیقی توکن‌های بصری و مراحل استدلال، هزینه استنتاج مدل‌های چندوجهی را کاهش می‌دهد. این سیستم بدون نیاز به آموزش مجدد، تعادل…
چارچوب MODF-SIR با ترکیب تقطیر دانش و تطبیق زمان تست، استدلال‌های اجتماعی پیچیده را با بهره‌گیری از تنها ۳۰٪ از مجموعه‌داده IntentTrain بهینه‌سازی کرده است. این مدل با تمرکز بر…
AutoMine با ترکیب مدل‌های زبانی و بینایی، استخراج خودکار سناریوهای بحرانی رانندگی از داده‌های حجیم را ممکن کرده است. این چارچوب با استفاده از حلقه‌ی اصلاح کد، توانست در رقابت…
یک توسعه‌دهنده تک‌نفره توانست تنها در دو ماه اپلیکیشن Traverba را بسازد. او با استفاده از Claude Code، پیچیدگی‌های فنی کدنویسی موبایل را حذف کرد تا روی بهینه‌سازی حافظه و باتری در…
پلتفرم **PixelAPI** ابزار **HomeVision Studio** را برای رندرینگ واقع‌گرایانه اتاق‌ها در ۱۰ ثانیه معرفی کرد. این ابزار با مدل پرداخت به‌ازای هر تولید، هزینه‌ها را به نصف رقبا کاهش…
توسعه‌دهندگان اندروید حالا می‌توانند مدل‌های Gemini را بدون نیاز به سرور بک‌اند در اپلیکیشن‌های خود پیاده کنند. این ابزار مسیر انتقال از نسخه‌های رایگان آزمایشی به مقیاس صنعتی در…
یک گردش‌کار جدید به معامله‌گران کالکشن اجازه می‌دهد درجه‌بندی اقلامی مثل کارت‌های بازی را با تحلیل تصویر خودکار کنند. این سیستم با زنجیره کردن APIهای پردازش تصویر، تخمین درجه و…
موج گسترده انتشار مدل‌ها در ژوئن ۲۰۲۶، از Claude Fable 5 تا MiniMax M3، نشان‌دهنده چرخش صنعت به سمت تخصص و تسلط مدل‌های وزن‌باز است. این روند با افشای جزئیات مدل عامل‌محور Spud از…
استارتاپ Decart مدل دنیای Oasis 3 را برای تست خودروهای خودران معرفی کرد. این مدل هزینه‌ی شبیه‌سازی را به شدت کاهش داده است، اما هنوز با مشکلاتی نظیر زوال بصری و عدم رعایت دقیق…