پرش به محتوای اصلی

موضوع

داده‌های مصنوعی

داده‌های تولیدشده به صورت مصنوعی با استفاده از الگوریتم‌های هوش مصنوعی برای آموزش مدل‌ها و حفظ حریم خصوصی

۱۷۷ مقاله منتشر شده

آموزش کاربردی

سیستم جدید CompTIA با حذف ۲۴٪ محتوا توهمات هوش مصنوعی را متوقف کرد

یک توسعه‌دهنده موتور آزمون‌های CompTIA را به‌گونه‌ای بازطراحی کرده است که هر سؤال بدون استناد مستقیم به منابع رسمی، به‌طور خودکار حذف می‌شود. این سیستم برای تضمین دقت مطلق، ترجیح…

۵ دقیقه خواندن۲
آموزش کاربردی

«برتری مدل‌های کوچک»، رویکرد جدید در مقابله با حملات سایبری

صنعت امنیت سایبری از مدل‌های عمومی به سمت مدل‌های زبانی کوچک (SLM) و تخصصی حرکت می‌کند. این تغییر رویکرد، شناسایی تهدیدات در لحظه را ممکن کرده و همزمان حریم خصوصی داده‌های حساس را…

۲۰ دقیقه خواندن۲

درون قمار ۷۰ میلیون دلاری XDOF برای رفع گلوگاه داده‌های رباتیک

استارت‌آپ XDOF با جذب ۷۰ میلیون دلار سرمایه، زیرساخت جمع‌آوری داده‌های باکیفیت برای هوش مصنوعی فیزیکی را می‌سازد. این شرکت خدماتی را ارائه می‌دهد که آزمایشگاه‌های بزرگ AI برای…

۴ دقیقه خواندن۱

نمره ۹.۶۶ از ۱۰: StateGen توهمات فراخوانی ابزار را در ۶۵ هزار گفتگو حذف کرد

پلتفرم StateGen با معرفی یک مدیریت وضعیت متمرکز و ساختار چهار-نقش، توهمات مربوط به نتایج ابزارها در عامل‌های هوش مصنوعی را حذف کرده است. این معماری با تولید داده‌های مصنوعی دقیق،…

۲ دقیقه خواندن۳

چگونه شبیه‌سازی اجزای موج قلب، دقت تشخیص ناهنجاری‌های نادر ECG را ۳۳٪ بالا برد؟

محققان با توسعه یک الگوریتم سنتز داده‌های دانش‌محور، توانستند دقت تشخیص بیماری‌های نادر قلبی را از طریق شبیه‌سازی اجزای فیزیولوژیک ضربان قلب به‌طور چشم‌گیری افزایش دهند. این…

۱ دقیقه خواندن۴

++nnU-Net: افزایش ۲۲ درصدی دقت قطعه‌بندی پزشکی با سنتز داده‌های ثبت‌محور

چارچوب جدید ++nnU-Net با استفاده از فرآیند دو مرحله‌ای «ثبت تصویر» برای تولید داده‌های مصنوعی آناتومیک، دقت مدل‌های قطعه‌بندی را ارتقا داده است. این سیستم در پنج مجموعه داده…

۱ دقیقه خواندن۱

BSTabDiff: راهکاری برای غلبه بر «نفرین ابعاد» در تولید داده‌های مصنوعی جدولی

پژوهشگران چارچوبی به نام BSTabDiff را برای تولید داده‌های جدولی مصنوعی در حوزه‌هایی که تعداد ویژگی‌ها بسیار بیشتر از نمونه‌هاست، توسعه داده‌اند. این سیستم با استفاده از…

۱ دقیقه خواندن۳

INFUSER: جایگزینی «سختی مسئله» با «امتیاز تأثیر» در آموزش مدل‌ها

چارچوب جدیدی به نام INFUSER با تغییر رویکرد از داده‌های «سخت» به داده‌های «مؤثر»، مدل‌های هوش مصنوعی را قادر می‌سازد تا برنامه آموزشی خود را به‌طور پویا تکامل دهند. این متد باعث…

۲ دقیقه خواندن

سازوکار NutriMLLM: عبور از بن‌بست داده با ۱.۱ میلیون تصویر مصنوعی

پژوهشگران با توسعه‌ی خانواده‌ی مدل‌های NutriMLLM، توانسته‌اند ۶۵ ریزمغذی مختلف را از روی تصاویر غذا تخمین بزنند. این دستاورد از طریق تولید ۱.۱ میلیون تصویر مصنوعی بر اساس داده‌های…

۲ دقیقه خواندن۱