موضوع
Chain-of-thought, reasoning models (o-series, R-series), test-time compute
۱٬۷۸۰ مقاله منتشر شده
پژوهشگران با معرفی معماری ترکیبی موازی (PHA)، مدل‌های حالت-فضا و مکانیسم توجه را در شاخه‌های مجزا ادغام کرده‌اند. این رویکرد دقت مدل‌های ترانسفورمر را حفظ کرده و هم‌زمان سرعت…
پژوهشگران با معرفی Tool-IQA، مدل‌های بینایی-زبانی را از حالت مشاهده‌ی غیرفعال خارج کرده و به آن‌ها قدرت استفاده از ذره‌بین و اصلاح‌کننده‌های گاما دادند. این رویکرد عامل‌محور، دقت…
معماران Phys-JEPA توانسته‌اند قوانین فیزیک را به‌جای خروجی نهایی، مستقیماً در فضای پنهان مدل‌های پیش‌بینی سری زمانی ادغام کنند. این رویکرد دقت پیش‌بینی در داده‌های اقلیمی و…
پژوهشگران مدل PVminerLLM2 را برای استخراج دقیق داده‌های متنی بیماران توسعه داده‌اند. این مدل با جایگزینی روش‌های سنتی تنظیم دقیق با «بهینه‌سازی ترجیحی»، خطاهای سطح توکن را در…
پژوهشگران چارچوبی عامل‌محور برای خودکارسازی کدهای ۱۰ رقمی تعرفه گمرکی کانادا طراحی کرده‌اند. این سیستم با ترکیب بازیابی معنایی و رای‌گیری جمعی، خطاهای لجستیک دریایی را کاهش…
RAID چارچوبی جدید برای پیش‌بینی دقیق سری‌های زمانی در شرایط فقدان داده‌های تاریخچه است. این سیستم با جایگزینی یادگیری وابسته به تاریخچه با بازیابی متادیتای معنایی و یک ماژول…
پژوهشگران چارچوب MA-SBI را معرفی کردند که با استفاده از متون غیرساختاریافته، سوگیری‌های شبیه‌ساز در استنتاج هوش مصنوعی را بدون نیاز به داده‌های کالیبراسیون اصلاح می‌کند. این روش…
چارچوب جدید BPF با شناسایی ۸۹.۶ درصد از انحرافات معنایی، شکاف وفاداری در تبدیل ریاضیات زبان طبیعی به کد فرمال را می‌پوشاند. این متد به‌طور قابل‌توجهی دقیق‌تر از روش‌های رایج…
چارچوب GIST-CMTF با معرفی لایه‌ی استنتاج وضعیت هدف، مانع از اجرای وظایف بر اساس درخواست‌های مبهم کاربران می‌شود. این سیستم با اعتبارسنجی هدف پیش از معرفی ابزارها، نرخ موفقیت در…
پژوهشگران روشی به نام Safe Trigger ابداع کرده‌اند که به مدل‌های استدلالی اجازه می‌دهد با تحلیل مسیر تفکر خود، درخواست‌های مضر را شناسایی و مسدود کنند. این رویکرد نیاز به داده‌های…
پژوهشگران چارچوب OpenClaw-Skill را معرفی کردند که با استفاده از جست‌وجوی جمعی در درخت مهارت‌ها (CSTS)، کتابخانه‌ای از مهارت‌های بازیافت‌پذیر برای عامل‌های هوش مصنوعی می‌سازد. این…
پژوهشگران چارچوب **Skill-to-LoRA** (S2L) را معرفی کرده‌اند که دستورالعمل‌های متنی حجیم در پرامپت‌ها را با آداپتورهای سبک **LoRA** جایگزین می‌کند. این رویکرد باعث کاهش ۶.۶ درصدی…