پرش به محتوای اصلی

موضوع

کاربردی

۳٬۳۹۸ مقاله منتشر شده

داده‌های بیماران چگونه آینده مراقبت‌های بهداشتی را شکل می‌دهند

مدل Aladynoulli هاروارد ریسک ۳۴۸ بیماری را از روی پرونده‌های پزشکی پیش‌بینی

پژوهش‌های جدید دانشگاه هاروارد و ادغام‌های OpenAI، هوش مصنوعی سلامت را از تولید متن‌های کلی به تحلیل داده‌های اختصاصی بیمار تغییر می‌دهد. این ابزارها با هدف کاهش فرسودگی پزشکان و…

۴ دقیقه خواندن۱
کامپایلر SQL: آینده هوش مصنوعی تحت حاکمیت سازمانی
آموزش کاربردی

کامپایل به SQL در برابر تولید مستقیم؛ راهکاری برای دقت داده‌های سازمانی

رویکرد جدید در هوش مصنوعی سازمانی، SQL را به‌جای خروجی نهایی، به عنوان هدف یک کامپایلر می‌بیند. این معماری نقش مدل‌های زبانی را به تحلیل قصد کاربر محدود می‌کند تا دقت نتایج در…

۲ دقیقه خواندن۱
از هوش مصنوعی ابری برای کارهای ساده استفاده نکنید—مدل‌های محلی آماده‌اند
آموزش کاربردی

چرا مدل‌های محلی برای کارهای روتین کدنویسی از APIها پیشی گرفتند؟

برنامه‌نویسان در حال انتقال کارهای ساده‌ی خودکارسازی از APIهای گران‌قیمت ابری به مدل‌های محلی مانند Mistral و Llama هستند. این تغییر هزینه‌ها و تأخیر را حذف کرده و امنیت کدهای…

۴ دقیقه خواندن۲
نمایش سطوح خودمختاری عامل‌های هوشمند خرید رسانه: L1 نظارت انسانی تا L3 کاملاً خودکار
آموزش کاربردی

چارچوب جدید: ۳ سطح مدیریت خودمختاری برای پیشگیری از دعاوی حقوقی

یک چارچوب جدید برای مدیریت خودمختاری (L1 تا L3) از تصمیمات مالی اشتباه و هزینه‌های پیش‌بینی‌نشده توسط عامل‌های هوش مصنوعی در تبلیغات جلوگیری می‌کند. این سیستم با محدود کردن دسترسی…

۷ دقیقه خواندن۱
تصویر: رابط وب‌سایت mysetup.ai با عنوان «تجهیزات هوش مصنوعی شما چیست؟»

پلتفرم mysetup.ai گردش‌کارهای محرمانهٔ توسعه‌دهندگان هوش مصنوعی را عمومی کرد

پلتفرم mysetup.ai برای پایان دادن به پراکندگی ابزارهای هوش مصنوعی راه‌اندازی شد. این جامعه به مهندسان اجازه می‌دهد استک‌های فنی، ساختار عامل‌ها و گردش‌کارهای عملیاتی خود را مستند…

۱ دقیقه خواندن۱
عوامل رقیب هوش مصنوعی، Instinct و Muse متا، هر دو قابلیت برقراری تماس اضافه کردند | تک‌کرانچ

عامل‌های هوش مصنوعی Instinct و Muse قابلیت تماس تلفنی با کسب‌وکارها را به دست

دو رقیب سرسخت در بازار عامل‌های هوش مصنوعی، Instinct و Muse (متعلق به متا)، اکنون می‌توانند برای انجام کارهای دنیای واقعی تماس تلفنی بگیرند. این به‌روزرسانی توازن قدرت را در بازار…

۳ دقیقه خواندن
من به جایمنی ۹ دلار دادم تا جایگزین خودش را آموزش دهد
آموزش کاربردی

مدل محلی GLiNER در برابر فراخوانی‌های API؛ برتری در هزینه و کارایی

یک توسعه‌دهنده با استفاده از Gemini برای برچسب‌گذاری داده‌ها، یک مدل محلی GLiNER را آموزش داد و هزینه‌های API را تقریباً به صفر رساند. این مدل با دقت ۰.۸۳ F1، جایگزین فراخوانی‌های…

۸ دقیقه خواندن۱
تشخیص فروپاشی همبستگی: سیگنال‌های یادگیری ماشین اثبات‌شده
آموزش کاربردی

«پیش‌بینی تغییر رژیم بازار»؛ دستاورد جدید خط لوله‌های یادگیری ماشین

سیگنال‌های سنتی در زمان تغییرات ساختاری بازار دچار تأخیر می‌شوند. خط لوله‌های جدید یادگیری ماشین با استفاده از تمرکز مقادیر ویژه و توپولوژی شبکه، فروپاشی همبستگی‌ها را پیش از…

۴ دقیقه خواندن۲