TRENDING
پرخوانندهترینها
گزیدهای از خواندنیترین و مهمترین مطالب داتهوش.
- ۳۹۶۱
تحلیل و بررسی تخصصیگریس: انتخاب هوشمند زیرمجموعه داده برای آموزش کارآمد مدلهای زبانی
پژوهشگران چارچوب «گریس» را معرفی کردهاند که با استفاده از گراف و انتخاب تطبیقی، زیرمجموعههای نمایندهای از دادههای آموزشی را شناسایی میکند تا آموزش مدلهای زبانی بزرگ را تسریع بخشد. این روش با حفظ کیفیت مدل، هزینههای محاسباتی را بهطور چشمگیری کاهش میدهد.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۳۹۶۲
آموزش کاربردیBID-LoRA: چارچوبی یکپارچه برای یادگیری مداوم و فراموشی ماشینی
پژوهشگران BID-LoRA را معرفی کردند؛ چارچوبی نوین که یادگیری مداوم و فراموشی ماشینی را با تنها ۵٪ بهروزرسانی پارامترها ترکیب میکند و از مکانیسمهای تطبیق دوسویه برای جلوگیری از نشت دانش بهره میبرد.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۳۹۶۳
اخبار کوتاه روزانهنقدهای تکاملی، مشکل بازخوردهای راکد را در یادگیری عاملان هوشمند حل میکنند
چارچوب اکو (ECHO) یک رویکرد همتکاملی معرفی میکند که در آن مدلهای ناقد همراه با سیاست یادگیری تطبیق مییابند. این روش از راکد شدن بازخوردها جلوگیری کرده و پایداری آموزش را در محیطهای باز بهبود میبخشد.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۳۹۶۴
تحلیل و بررسی تخصصیروش جدید صفحهبندی مشارکتی برای مدیریت سرریز پنجره زمینه در مدلهای زبانی
پژوهشگران روشی به نام «صفحهبندی مشارکتی» معرفی کردهاند که با استفاده از نشانکهای کلمات کلیدی، مکالمات طولانی با مدلهای زبانی را مدیریت میکند. این روش به مدل اجازه میدهد محتوای حذفشده را در صورت نیاز بازیابی کند و در آزمون معیار LoCoMo از شش روش دیگر از جمله زمینه کامل عملکرد بهتری داشت. مهمترین چالش شناساییشده، انتخاب صحیح صفحه توسط مدل هنگامی است که نشانکها فاقد تمایز کافی هستند.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۳۹۶۵
آموزش کاربردیکیفیت بازیابی، پوشش خروجی سیستمهای RAG را در بنچمارکهای مختلف پیشبینی میکند
تحقیقات جدید نشان میدهد که معیارهای بازیابی با کیفیت خروجی سیستمهای RAG ارتباط قوی دارند. این یافتهها به توسعهدهندگان امکان میدهد قبل از تولید پاسخ نهایی، عملکرد سیستم را ارزیابی و بهینهسازی کنند.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۳۹۶۶
تحلیل و بررسی تخصصیعملکرد GPT-4o در نمرهدهی آزمون فیزیک همسطح با ارزیابی انسانی
پژوهش تازهای نشان داده که GPT-4o در نمرهدهی پاسخهای تشریحی فیزیک دانشگاهی به قابلیت اطمینان انسانی دست یافته است. این مطالعه تأکید میکند که راهنمای نمرهدهی دقیق و ساختارمند، کلید اصلی ارزیابی قابل اعتماد با هوش مصنوعی است و نه پارامترهای پیچیده مدل.
۲۸ فروردین ۱۴۰۵۲ دقیقه خواندن - ۳۹۶۷
اخبار کوتاه روزانهوبفکتوری: فشردهسازی هوش مصنوعی زبانی در عاملهای تعاملی وب
وبفکتوری یک سیستم یادگیری تقویتی کاملاً خودکار و بسته معرفی کرده که دانش مدلهای زبانی بزرگ را به رفتارهای عملی عاملهای رابط کاربری تبدیل میکند. این سیستم با استفاده از حداقل دادههای مصنوعی، به عملکردی قابل مقایسه با روشهای سنتی دست مییابد.
۲۸ فروردین ۱۴۰۵۲ دقیقه خواندن - ۳۹۶۸
تحلیل و بررسی تخصصیچالشهای سیستمهای استدلال ریاضی چندوجهی بررسی شد
یک مرور جامع به وضعیت استدلال ریاضی چندوجهی پرداخته و مشکلات اصلی این حوزه را شناسایی کرده است. از مهمترین چالشهای مطرحشده میتوان به misinterpretation نمودارها، عدم تطابق نمادهای ریاضی با نمایش بصری و ضعف در ارزیابی مراحل استدلال اشاره کرد. این پژوهش چارچوبی نظاممند برای جهتدهی به پیشرفتهای آینده ارائه داده است.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۳۹۶۹
آموزش کاربردیRACF: تصحیح فاصله اشیا برای رانندگی خودکار ایمن
ما RACF را معرفی میکنیم، چارچوبی که استحکام ادراک خودروهای خودکار را از طریق اعتبارسنجی و تصحیح بینحسگری ارتقا میدهد. این سیستم در شرایط تضعیف حسگر، کاهش ۳۵ درصدی RMSE را با حفظ عملکرد بلادرنگ به دست میآورد.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۳۹۷۰
تحلیل و بررسی تخصصیارزیابی جدید: مدلهای هوش مصنوعی در درک جداول اسناد اندونزیایی
محققان مجموعه داده INDOTABVQA را با ۱٬۵۹۳ تصویر سند به زبان باهاسا اندونزی و پرسشوپاسخهای چندزبانه منتشر کردند. این معیار برای آزمون مدلهای بینایی-زبانی در درک متقابل جداول طراحی شده است. نتایج نشان داد که عملکرد مدلها در جداول پیچیده و زبانهای کممنابع بهطور قابلتوجهی ضعیف است، اما تنظیم دقیق تا ۱۷.۸٪ بهبود ایجاد کرد.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۳۹۷۱
اخبار کوتاه روزانهچارچوب جدید POMDP برای کنترل دقیق تقاضای حافظه در یادگیری تقویتی
پژوهشگران چارچوبی نظری معرفی کردهاند که امکان طراحی دقیق محیطهای POMDP با ساختارهای تقاضای حافظه از پیش تعیینشده را فراهم میکند. این رویکرد به محققان اجازه میدهد تا بهصورت نظاممند تأثیر نیازهای مختلف حافظه بر عملکرد عاملها را بررسی کنند.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۳۹۷۲
تحلیل و بررسی تخصصیروشی تازه برای مقابله با حملات جیلبریک از درون مدلهای زبانی بزرگ
پژوهشگران چارچوبی به نام ASGuard طراحی کردهاند که با تحلیل مسیرهای عصبی داخلی مدلهای زبانی بزرگ، حملات جیلبریک مبتنی بر تغییر زمان فعل را شناسایی و خنثی میکند. این روش توانسته تعادلی بهینه میان ایمنی و کارایی مدل ایجاد کند.
۲۸ فروردین ۱۴۰۵۲ دقیقه خواندن - ۳۹۷۳
تحلیل و بررسی تخصصیمحققان روش «کاپو» را برای رفع اعتماد بیش از حد مدلهای زبانی ارائه دادند
تیمی از محققان روش آموزشی جدیدی به نام «بهینهسازی خطمشی آگاه از کالیبراسیون» (CAPO) معرفی کردهاند که مشکل اعتماد بیش از حد مدلهای زبانی بزرگ را حل میکند. این روش بدون کاهش دقت استدلال، کالیبراسیون را تا ۱۵ درصد بهبود میبخشد و گامی عملی برای کاهش توهمهای هوش مصنوعی محسوب میشود.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۳۹۷۴
اخبار کوتاه روزانهفریمورک جدیدی که به هوش مصنوعی امکان یادگیری در عملیات فضایی میدهد
پژوهشگران فریمورکی به نام گاید (GUIDE) توسعه دادهاند که به مدلهای زبانی بزرگ اجازه میدهد بدون نیاز به بهروزرسانی وزنها، کیفیت تصمیمگیری خود در عملیات فضایی را بهبود بخشند. این سیستم با تحلیل تجربیات گذشته، قوانین تصمیمگیری خود را تطبیق میدهد و در شبیهسازیهای پیچیده فضایی عملکرد بهتری نسبت به روشهای سنتی نشان داده است.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۳۹۷۵
تحلیل و بررسی تخصصیظهور سرهای توجه تخصصی در مدلهای استدلالی از طریق پسآموزش
پژوهشی جدید نشان میدهد که تکنیکهای پسآموزش، سرهای توجه تخصصی را در مدلهای هوش مصنوعی پدید میآورند که استدلال پیچیده را ممکن میسازند، اما در عوض دقت محاسبات ساده را کاهش میدهند.
۲۸ فروردین ۱۴۰۵۲ دقیقه خواندن - ۳۹۷۶
تحلیل و بررسی تخصصیدوکسیکر: روشی نوین برای تحلیل هوشمند اسناد بلند با استدلال بصری
دوکسیکر یک چارچوب آموزشی دو مرحلهای برای مدلهای زبانی چندوجهی ارائه میدهد که اسناد طولانی را از طریق سه مرحله تحلیل، محلیسازی و استدلال پردازش میکند. این روش با مشکلات نسبت سیگنال به نویز پایین و کمبود دادههای نظارتی مقابله میکند و عملکرد برتری در اسناد بیرون از حوزه آموزشی نشان میدهد.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۳۹۷۷
آموزش کاربردیروش جدید مبتنی بر SVD برای حذف کارآمد داده از مدلهای هوش مصنوعی
پژوهشگران روشی نوین ارائه دادهاند که از تجزیه مقادیر منفرد برای هدایت بهروزرسانیهای LoRA در جهتهای متعامد استفاده میکند. این رویکرد امکان حذف تدریجی اطلاعات از مدلهای هوش مصنوعی را بدون افت عملکرد فراهم میسازد. آزمایشها بر روی ۳۰ کار متوالی نتایج قابل توجهی نشان داده است.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۳۹۷۸
آموزش کاربردیTimeSAF: ادغام ناهمگام معنایی برای پیشبینی سریهای زمانی
پژوهشگران چارچوبی نوین به نام TimeSAF توسعه دادهاند که محدودیتهای اساسی مدلهای زبانی بزرگ در پیشبینی سریهای زمانی را برطرف میکند. این روش با جداسازی یادگیری ویژگیهای تکوجهی از تعامل چندوجهی و استفاده از ادغام سلسلهمراتبی ناهمگام، عملکردی فراتر از روشهای پیشرفته فعلی ارائه میدهد.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۳۹۷۹
اخبار کوتاه روزانهپژوهشی جامع؛ طبقهبندی هوش مصنوعی برای شبیهسازی ترافیک خودران و انسانی
یک مرور جامع در arXiv نخستین بررسی ساختارمند از روشهای هوش مصنوعی برای مدلسازی خودروهای خودران و رانندگان انسانی در شبیهسازی ترافیک ترکیبی را ارائه کرده است. این مطالعه رویکردها را در سه دستهبندی سازماندهی کرده و شکافهای مهمی در ابزارهای شبیهسازی فعلی شناسایی کرده است.
۲۸ فروردین ۱۴۰۵۲ دقیقه خواندن - ۳۹۸۰
تحلیل و بررسی تخصصیتحقیق جدید: عملکرد مدلهای زبانی با تغییرات ظریف در پرامپت تا ۶۱.۸٪ کاهش مییابد
پژوهشی تازه منتشر شده در arxiv.org از چارچوب ارزیابی جدیدی به نام IFEval++ رونمایی کرده که «اعتمادپذیری ظریفمحور» در مدلهای زبانی را میسنجد. بررسی ۴۶ مدل نشان داده که عملکرد آنها با تغییرات جزئی در شیوه نگارش پرامپت تا ۶۱.۸٪ افت میکند. این یافتهها حاکی از آن است که معیارهای فعلی ارزیابی ممکن است اعتمادپذیری واقعی این سیستمها را بیش از حد تخمین بزنند.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۳۹۸۱
تحلیل و بررسی تخصصیتست نفوذ مدلهای استدلالی بزرگ: معیاری تازه برای سنجش اعتمادپذیری
پژوهشگران معیار RT-LRM را برای ارزیابی صداقت، امنیت و کارایی مدلهای استدلالی بزرگ پیشنهاد کردهاند. یافتهها نشان میدهد این مدلها در مقایسه با مدلهای زبانی معمولی، با چالشهای اعتمادپذیری بیشتری روبهرو هستند.
۲۸ فروردین ۱۴۰۵۲ دقیقه خواندن - ۳۹۸۲
تحلیل و بررسی تخصصیروشی بدون آموزش مجدد برای کاهش توهم در مدلهای زبانی چندوجهی
پژوهشگران روش «رمزگشایی از طریق اختلال» (DeP) را معرفی کردهاند که بدون نیاز به آموزش مجدد، توهمات مدلهای زبانی چندوجهی را کاهش میدهد. این روش با اعمال مداخلات متنی کنترلشده در مرحله رمزگشایی، مشکل غلبه پیشفرضهای زبانی بر شواهد بصری را برطرف میکند و میتواند قابلیت اطمینان سیستمهای هوش مصنوعی را در پردازش متن و تصویر بهبود بخشد.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۳۹۸۳
اخبار کوتاه روزانهآیا عوامل هوش مصنوعی برنامهها را دنبال میکنند؟
پژوهشگران در نخستین مطالعه جامع، نزدیک به ۱۷۰۰۰ اجرای عامل هوش مصنوعی را بررسی کردند. یافتهها نشان داد که برنامههای ساختارمند عملکرد را بهبود میبخشند، اما برنامههای ضعیف طراحیشده میتوانند بدتر از نبودِ برنامه باشند.
۲۸ فروردین ۱۴۰۵۲ دقیقه خواندن - ۳۹۸۴
اخبار کوتاه روزانههابل از هوش مصنوعی برای کشف عوامل سودآوری در بازار سهام استفاده میکند
تیمی از پژوهشگران «هابل» را توسعه دادهاند؛ چارچوبی مبتنی بر مدلهای زبانی بزرگ که عوامل معاملاتی سودآور (آلفا) را کشف میکند و در عین حال ایمنی و قابلیت بازتولید را تضمین مینماید. آزمایشها نشان داد عوامل خانواده دامنه و نوسان عملکرد مثبتی در بازه زمانی ژوئن ۲۰۲۵ تا مارس ۲۰۲۶ داشتهاند.
۲۸ فروردین ۱۴۰۵۲ دقیقه خواندن - ۳۹۸۵
تحلیل و بررسی تخصصیاسپکباند: حدسزنی کراندار تطبیقی برای استنتاج سریعتر مدلهای زبانی بزرگ
پژوهشگران چارچوبی به نام اسپکباند معرفی کردهاند که با استفاده از تابکاری دمایی لایهبهلایه و کرانگذاری تطبیقی بر طول حدس، سرعت استنتاج مدلهای زبانی را تا ۲.۳۳ برابر افزایش میدهد. این روش بدون تغییر پارامترهای مدل پایه، نتایجی کاملاً معادل با مدل اصلی ارائه میکند.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۳۹۸۶
آموزش کاربردیدستیاران هوشمند برای ترجمه متن به مدل: چارچوبی یکپارچه
پژوهشگران چارچوبی یکپارچه به نام Text2Model و Text2Zinc معرفی کردهاند که با بهرهگیری از مدلهای زبانی بزرگ، مشکلات بهینهسازی را از زبان طبیعی به مدلهای رسمی تبدیل میکند. این روش با استفاده از معماری MiniZinc، مستقل از حلکنندههای خاص عمل میکند.
۲۸ فروردین ۱۴۰۵۲ دقیقه خواندن - ۳۹۸۷
تحلیل و بررسی تخصصیکمریزنر درک حرکت دوربین را با استدلال ساختاریافته بهبود میبخشد
پژوهشگران کمریزنر را معرفی کردند؛ چارچوبی که با استدلال ساختاریافته، درک حرکت دوربین در ویدئو را بهبود میدهد و به دستاوردهای دقت قابلتوجهی در معیارهای ارزیابی دست یافته است.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۳۹۸۸
تحلیل و بررسی تخصصیپاداشهای عقلانی: مقیاسبندی تولید بصری با پاداشهای استدلالی
چارچوب RationalRewards مدلهای پاداش چندبُعدی را معرفی میکند که در زمان آموزش و آزمایش، کیفیت تولیدکنندههای تصویر را بهبود میبخشند. این مدل به دقت بالا در پیشبینی ترجیحات دست مییابد و در عین حال به ۱۰ تا ۲۰ برابر داده کمتری نیاز دارد.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن - ۳۹۸۹
اخبار کوتاه روزانهMemJack: حملات جیلبریک مبتنی بر حافظه علیه مدلهای بینایی-زبانی
پژوهشگران چارچوب «MemJack» را معرفی کردهاند؛ یک سیستم حمله چندعامله که با بهرهگیری از ساختارهای معنایی تصاویر، مدلهای بینایی-زبانی را هدف قرار میدهد. این روش در آزمایشها علیه مدل Qwen3-VL-Plus به نرخ موفقیت ۷۱.۴۸ درصد دست یافته است. محققان همچنین مجموعه دادهای گسترده برای تقویت تحقیقات دفاعی منتشر خواهند کرد.
۲۸ فروردین ۱۴۰۵۲ دقیقه خواندن - ۳۹۹۰
تحلیل و بررسی تخصصیمُدیکس: روشی تطبیقی برای بهینهسازی موقعیتیابی در مدلهای بینایی-زبان
پژوهشگران چارچوب مُدیکس را توسعه دادهاند که بدون نیاز به آموزش، نحوه تخصیص موقعیت در مدلهای بینایی-زبان را بر اساس چگالی اطلاعات در هر بخش تنظیم میکند. این روش با اختصاص دقت بیشتر به نواحی پُراطلاعات و فشردهسازی بخشهای تکراری، عملکرد مدل را بدون تغییر در معماری بهبود میدهد.
۲۸ فروردین ۱۴۰۵۱ دقیقه خواندن