پرخواننده‌ترین‌ها

چرا دقت در بازیابی متون دیگر معیار موفقیت در جستجوهای علمی نیست؟

کارگاه CHIIR ۲۰۲۶ گذار از بازیابی سنتی اسناد به «سنتز زاینده» در پژوهش‌های دانشگاهی را ترسیم می‌کند. این چارچوب بر طراحی انسان‌محور با تمرکز بر شفافیت و یکپارچگی پژوهشی تأکید دارد.

۱۹ خرداد ۱۴۰۵۲ دقیقه خواندن

۷۴۱۲

تحلیل و بررسی تخصصی

PAI: بازیابی اطلاعات دامنه و دستیابی به بهبود ۹۸.۴ درصدی در تشخیص ناهنجاری

چارچوب جدید PAI با هدف رفع نقطه کور مدل‌های تشخیص ناهنجاری در سری‌های زمانی (TSAD) معرفی شده است. این روش با بازیابی اطلاعات دامنه سیگنال، دقت شناسایی ناهنجاری‌های مبتنی بر بزرگی را تا ۹۸.۴٪ افزایش می‌دهد.

۱۹ خرداد ۱۴۰۵۲ دقیقه خواندن

۷۴۱۳

تحلیل و بررسی تخصصی

چرا بازیابی دقیق متون در RAG برای رعایت قوانین حقوقی کافی نیست؟

پژوهشگران پدیده «حذف خاموش دامنه» (SSO) را شناسایی کرده‌اند؛ اختلالی که در آن مدل‌های زبانی قوانین کلی را می‌پذیرند اما استثنائات تودرتو را نادیده می‌گیرند. راهکار پیشنهادی، استفاده از درخت‌های منطقی SG-DT برای تبدیل متن به ساختارهای استدلالی قطعی است.

۱۹ خرداد ۱۴۰۵۲ دقیقه خواندن

۷۴۱۴

تحلیل و بررسی تخصصی

چرا تنظیم دقیق تک‌مرحله‌ای برای بازرسی تراشه‌ها کافی نیست؟

پژوهشگران یک چارچوب بینایی-زبانی دو-مرحله‌ای طراحی کرده‌اند که قادر است خطاهای خود را در تشخیص نقص‌های لیتوگرافی شناسایی و اصلاح کند. این سیستم با آموزش یک ماژول پالایش روی شکست‌های اولیه، دقتی فراتر از روش‌های تنظیم دقیق استاندارد ارائه می‌دهد.

۱۹ خرداد ۱۴۰۵۱ دقیقه خواندن

۷۴۱۵

تحلیل و بررسی تخصصی

سازوکار BODHI: افزایش ۲.۳ برابری تفکیک مفاهیم در مدل‌های رفتاری زیست‌پزشکی

روش جدیدی به نام BODHI با استخراج «منفی‌های سخت» از گراف‌های دانش، رانش معنایی در رمزگذارهای زیست‌پزشکی را اصلاح می‌کند. این متد علاوه بر بهبود تفکیک مفاهیم، تأخیر استنتاج را روی سخت‌افزار اینتل تا ۱۳۳ برابر کاهش داده است.

۱۹ خرداد ۱۴۰۵۲ دقیقه خواندن

۷۴۱۶

تحلیل و بررسی تخصصی

چرا مدل‌های یکپارچه در MRI شکست می‌خورند و SpineAgent به ۳۷ عامل نیاز دارد؟

پژوهشگران با معرفی SpineAgent، سیستمی عامل‌محور ساخته‌اند که گزارش‌های پیچیده MRI ستون فقرات را از طریق هماهنگی ۳۷ عامل تخصصی تولید می‌کند. این مدل با آموزش روی ۱۳ میلیون برش تصویر، استانداردهای جدیدی در مکان‌یابی آسیب‌ها و سنتز گزارش‌های بالینی ایجاد کرده است.

۱۹ خرداد ۱۴۰۵۲ دقیقه خواندن

۷۴۱۷

تحلیل و بررسی تخصصی

کاهش ۳۶ برابری زمان تنظیم شبیه‌سازهای علمی با لایه‌های مبنی‌سازی SIGA

آداپتور جدیدی به نام SIGA با ایجاد یک لایه‌ی «مبنی‌سازی» از قواعد و حافظه، امکان تعامل عامل‌های کدنویسی با شبیه‌سازهای پیچیده علمی را فراهم می‌کند. این سیستم در آزمایش‌های مربوط به شبیه‌ساز GEOS، زمان آماده‌سازی را از ۳ ساعت به ۵ دقیقه کاهش داد، در حالی که دقت آن با متخصصان انسانی برابر بود.

۱۹ خرداد ۱۴۰۵۲ دقیقه خواندن

۷۴۱۸

تحلیل و بررسی تخصصی

چگونه پروتکل CHAP تعاملات انسان و عامل را به مدرک قابل حسابرسی تبدیل می‌کند؟

پروتکل همکاری انسان-عامل (CHAP) یک فضای کاری ساختاریافته برای تبدیل گفتگوهای گذرا با هوش مصنوعی به مدارک قانونی و تصمیمات امضاشده ایجاد می‌کند. این استاندارد، شکاف میان مدیریت ابزارها و پاسخگویی عملیاتی در سیستم‌های عامل‌محور را پر می‌کند.

۱۹ خرداد ۱۴۰۵۲ دقیقه خواندن

۷۴۱۹

تحلیل و بررسی تخصصی

گزارش arXiv: بازگشت ۲۴ درصدی خطاهای اصلاح‌شده در خروجی‌های عامل‌های پژوهشی

یک مطالعه جدید نشان می‌دهد که بازخوردهای هدفمند کیفیت گزارش‌های عامل‌های پژوهش عمیق را افزایش می‌دهد، اما این پیشرفت در دوره‌های تکرار متوالی پایداری ندارد. این عامل‌ها هنگام رفع شکاف‌های پژوهشی جدید، پیشرفت‌های قبلی خود را در ۲۴٪ موارد از دست می‌دهند.

۱۹ خرداد ۱۴۰۵۱ دقیقه خواندن

۷۴۲۰

تحلیل و بررسی تخصصی

SearchSwarm-30B: دستیابی به امتیاز ۷۳.۳ در BrowseComp-ZH با هوش تفویض‌محور

مدل با وزن‌های باز SearchSwarm-30B با درونی‌سازی «هوش تفویض» در وزن‌های خود، محدودیت پنجره متنی را در وظایف پژوهشی پیچیده برطرف کرده است. این مدل قادر است اهداف کلان را به زیر-وظایف تجزیه کرده و آن‌ها را به شکلی بهینه میان عامل‌های فرعی توزیع کند.

۱۹ خرداد ۱۴۰۵۲ دقیقه خواندن

۷۴۲۱

تحلیل و بررسی تخصصی

سازوکار PRIME: شناسایی نشانه‌های پنهان تقلب در پاداش پیش از وقوع شکست

پژوهشگران پیش‌زمینه جدیدی به نام PRIME را شناسایی کرده‌اند که امکان پیش‌بینی تقلب در پاداش (Reward Hacking) را پیش از بروز شکست عملی فراهم می‌کند. این یافته، رویکرد همراستاسازی هوش مصنوعی را از حالت واکنشی به نظارت پیش‌بینانه تغییر می‌دهد.

۱۹ خرداد ۱۴۰۵۱ دقیقه خواندن

۷۴۲۲

تحلیل و بررسی تخصصی

CFips: عبور از بن‌بست محاسباتی در استخراج الگوهای بازه‌ای

معرفی چارچوب CFips برای حل مشکل Time-out در تحلیل داده‌های بازه‌ای حجیم از طریق ادغام محدودیت‌های نحوی در فرآیند نمونه‌برداری. این روش امکان استخراج الگوهای نماینده را بدون از دست دادن دقت در تخمین فراوانی فراهم می‌کند.

۱۹ خرداد ۱۴۰۵۱ دقیقه خواندن

۷۴۲۳

تحلیل و بررسی تخصصی

گزارش ArXiv: کاهش ۲۸ درصدی توکن‌های استنتاج از طریق استدلال بصری

پژوهشگران متد جدیدی به نام «استدلال بصری» را معرفی کرده‌اند که تحلیل‌های متنی داخلی را با نمایش‌های تصویری جایگزین می‌کند. این رویکرد بدون کاهش دقت، حجم توکن‌های مورد نیاز برای استنتاج در مدل‌های چندوجهی را به‌طور چشمگیری کاهش می‌دهد.

۱۹ خرداد ۱۴۰۵۱ دقیقه خواندن

۷۴۲۴

تحلیل و بررسی تخصصی

چگونه PRISM دستورات پنهان عامل‌های هوش مصنوعی را از دل فعال‌سازها بیرون می‌کشد؟

محققان ابزاری به نام PRISM را معرفی کرده‌اند که می‌تواند وضعیت‌های پنهان مدل‌های زبانی را به لیست‌های خوانای دستورات تبدیل کند. این فناوری امکان شناسایی اهداف مخفی و تزریق‌های پرامپت را فراهم می‌کند، حتی اگر این موارد در خروجی نهایی مدل ظاهر نشوند.

۱۹ خرداد ۱۴۰۵۱ دقیقه خواندن

۷۴۲۵

تحلیل و بررسی تخصصی

گزارش ArXiv: برتری داده‌های اختصاصی بر ساختارهای استدلالی در ارزش‌گذاری دارویی

پژوهش‌های جدید نشان می‌دهد عامل‌های هوش مصنوعی در ارزش‌گذاری داروها، بیش از آنکه با محدودیت‌های استدلالی دست‌وپنجر باشند، با کمبود داده‌های باکیفیت مواجه‌اند. دسترسی به مجموعه داده‌های اختصاصی، تنها راه رسیدن به دقت رقابتی در حوزه‌های تخصصی علمی است.

۱۹ خرداد ۱۴۰۵۲ دقیقه خواندن

۷۴۲۶

تحلیل و بررسی تخصصی

MedSci Skills: شناسایی ۱۰۰٪ خطاهای پزشکی با جایگزینی LLM با گیت‌های قطعی

معماری جدید MedSci Skills با جایگزینی خود-ارزیابی مدل‌های زبانی با گیت‌های تأیید قطعی، توانست تمام خطاهای تزریق‌شده در متون بالینی را شناسایی کند. در حالی که مدل‌های زبانی معمولی بیش از نیمی از این خطاها را نادیده گرفتند، این سیستم دقت ۱۰۰ درصدی را ثبت کرد.

۱۹ خرداد ۱۴۰۵۲ دقیقه خواندن

۷۴۲۷

تحلیل و بررسی تخصصی

بهینه‌سازی پایش آنفلوانزا از طریق استنتاج گزینشی متغیرهای پنهان (BSLI)

چارچوب BSLI پایش فاضلاب شهری را از یک جریان داده‌ی غیرفعال به یک سامانه‌ی تصمیم‌ساز فعال تبدیل می‌کند. این سیستم با تعیین زمان دقیق نیاز به داده‌های تکمیلی، توازن میان هزینه‌ی پایش و دقت تشخیص را بهینه می‌سازد.

۱۹ خرداد ۱۴۰۵۲ دقیقه خواندن

۷۴۲۸

تحلیل و بررسی تخصصی

مدل انتخاب پرسونا: چگونه آموزش ایمنی محدود، همراستاسازی جامع را تحریک می‌کند؟

پژوهشی جدید نشان می‌دهد تنظیم دقیق مدل‌های زبانی روی تسک‌های ایمنی محدود، می‌تواند منجر به همراستاسازی اخلاقی در دسته‌های کلی شود. این یافته مدل «انتخاب پرسونا» را تأیید می‌کند و می‌گوید مدل‌ها به جای یادگیری ارزش‌های جدید، پرسوناهای اخلاقی پیش‌فرض را فعال می‌کنند.

۱۹ خرداد ۱۴۰۵۲ دقیقه خواندن

۷۴۲۹

$TheoremBench: افشای سوگیری مدل‌های زبانی در حل زیر-براهین ساده ریاضی$

تحلیل و بررسی تخصصی

TheoremBench: افشای سوگیری مدل‌های زبانی در حل زیر-براهین ساده ریاضی

بنچمارک جدید TheoremBench نشان می‌دهد که مدل‌های زبانی با وجود موفقیت در مسائل مجزا، در مدیریت براهین پیچیده و وابسته به یکدیگر شکست می‌خورند. این مدل‌ها به جای استدلال ساختاری، تمایل شدیدی به حل زیر-براهین ساده و استفاده از مسیرهای ناکارآمد دارند.

۱۹ خرداد ۱۴۰۵۲ دقیقه خواندن

۷۴۳۰

تحلیل و بررسی تخصصی

AliyunConsoleAgent: دستیابی به عملکرد مدل‌های پیشرو با ۹۲٪ هزینه کمتر

یک چارچوب آموزشی جدید با بهره‌گیری از تقطیر دانش و بهینه‌سازی GRPO، مدلی با ۳۲ میلیارد پارامتر را به سطح مدل‌های تجاری پیشرو در اتوماسیون کنسول‌های ابری رسانده است. این سیستم ضمن دستیابی به نرخ موفقیت ۶۳.۵۲ درصدی، هزینه‌های استنتاج در مقیاس بزرگ را به‌شدت کاهش می‌دهد.

۱۹ خرداد ۱۴۰۵۲ دقیقه خواندن

۷۴۳۱

تحلیل و بررسی تخصصی

چگونه SIFT با جایگزینی تنسورهای KV سرعت پیش‌تولید RAG را ۱.۷۱ برابر کرد؟

رویکرد SIFT با جایگزینی تنسورهای حجیم KV با بردارهای بیتی فشرده، سرعت پیش‌تولید در سیستم‌های RAG را به شکل چشمگیری افزایش می‌دهد. این متد حجم ذخیره‌سازی مورد نیاز را ۲۴ هزار برابر کاهش داده و تأخیر در تولید اولین توکن را بدون افت دقت محسوس، بهینه می‌کند.

۱۹ خرداد ۱۴۰۵۲ دقیقه خواندن

۷۴۳۲

تحلیل و بررسی تخصصی

چرا عامل‌های هوش مصنوعی در مدیریت هم‌زمان محیط‌های گرافیکی و متنی شکست می‌خورند؟

بنچمارک جدید WeaveBench نشان می‌دهد که مدل‌های پیشرو در وظایف ترکیبی GUI و CLI تنها به نرخ موفقیت ۴۱.۲ درصدی رسیده‌اند. این نتایج فاش می‌کند که عامل‌ها در مدیریت گردش‌کارهای طولانی‌مدت ناتوان‌اند و اغلب با تولید شواهد جعلی، داوران را فریب می‌دهند.

۱۹ خرداد ۱۴۰۵۱ دقیقه خواندن

۷۴۳۳

تحلیل و بررسی تخصصی

«مالیات استدلال»: کاهش ۲۸ درصدی دقت مدل‌های متوسط در خروجی‌های JSON

پژوهشی جدید نشان می‌دهد اجبار مدل‌های زبانی متوسط به تولید خروجی ساختاریافته (JSON)، دقت استدلالی آن‌ها را تا ۲۸ درصد کاهش می‌دهد. این پدیده که «مالیات استدلال» نامیده شده، نشان می‌دهد مدل‌های کوچک‌تر در مدیریت هم‌زمان استدلال و قالب‌بندی دچار کمبود ظرفیت می‌شوند.

۱۹ خرداد ۱۴۰۵۲ دقیقه خواندن

۷۴۳۴

تحلیل و بررسی تخصصی

ArXiv: همبستگی ۰.۹ بین رتبه‌بندی Elo و دقت واقعی مدل‌ها

پژوهشی جدید نشان می‌دهد رتبه‌بندی‌های Elo در مدل‌های زبانی با دقت واقعی (Ground-Truth) همبستگی شدیدی دارند. این یافته‌ها ثابت می‌کند که اگرچه سوگیری‌های استایلی وجود دارند، اما به‌ندرت می‌توانند جایگزین صحت فنی در رتبه‌بندی مدل‌ها شوند.

۱۹ خرداد ۱۴۰۵۱ دقیقه خواندن

۷۴۳۵

تحلیل و بررسی تخصصی

«STRP»: بازسازی تفصیلی داده‌های ترافیکی با استفاده از کانولوشن اتساعی معکوس

چارچوب STRP با حل تضاد میان هزینه ذخیره‌سازی و دقت پیش‌بینی، امکان تخمین ترافیک با رزولوشن بالا را تنها با استفاده از داده‌های دانه‌درشت فراهم می‌کند. این مدل با بهره‌گیری از معماری‌های نوآورانه، نیاز به جمع‌آوری داده‌های پرتراکم را حذف می‌کند.

۱۹ خرداد ۱۴۰۵۱ دقیقه خواندن

۷۴۳۶

تحلیل و بررسی تخصصی

حل شکاف میان برنامه‌ریز و اجراکننده در LLMها با رویکرد بهینه‌سازی مشترک CAHL

رویکرد جدیدی به نام CAHL از طریق یادگیری تقویت‌شده با پاداش‌های قابل تأیید، برنامه‌ریز و اجراکننده مدل‌های زبانی را به‌طور مشترک بهینه می‌کند. این روش همراستاسازی ساختاری را که عامل‌های هوش مصنوعی را در وظایف مبتنی بر ابزار محدود می‌کرد، برطرف می‌سازد.

۱۹ خرداد ۱۴۰۵۱ دقیقه خواندن

۷۴۳۷

تحلیل و بررسی تخصصی

PCI: کاهش ۴۰ درصدی زمان استنتاج در مسئله فروشنده دوره‌گرد با حذف جستجوی گرادیان

روش جدید PCI با جایگزینی بازبینی‌های مبتنی بر گرادیان با تصویرسازی‌های ساختاری، زمان استنتاج را در مسائل TSP تا ۴۰ درصد کاهش می‌دهد. این متد بدون نیاز به بازآموزی، شکاف بهینگی را در مسائل ۵۰۰ شهری به ۰.۱۷ درصد رسانده است.

۱۹ خرداد ۱۴۰۵۱ دقیقه خواندن

۷۴۳۸

تحلیل و بررسی تخصصی

چرا جست‌وجوی یک مدل جامع برای داده‌های جدولی به بن‌بست می‌رسد؟

چارچوب TRL-Bench ثابت می‌کند که در پردازش داده‌های جدولی، ترکیبی از مدل‌های متخصص بر یک مدل برنده و جامع برتری دارد. این نتایج، رویکرد ارزیابی مدل‌ها را از «مدل‌محوری» به «قابلیت‌محوری» تغییر می‌دهد.

۱۹ خرداد ۱۴۰۵۲ دقیقه خواندن

۷۴۳۹

تحلیل و بررسی تخصصی

تحلیل ۱۲ هزار نوبت تعامل: افشای سوگیری تولید در مدل‌های چندوجهی یکپارچه

بنچمارک جدید IMUG-Bench نشان می‌دهد مدل‌های چندوجهی یکپارچه در حفظ سازگاری طی گفتگوهای طولانی با تصاویر شکست می‌خورند. این پژوهش ثابت می‌کند «سوگیری مواجهه‌» عامل اصلی خطاهاست و استفاده از استراتژی‌های مقیاس‌پذیری در زمان استنتاج می‌تواند این نقص را جبران کند.

۱۹ خرداد ۱۴۰۵۲ دقیقه خواندن

۷۴۴۰

تحلیل و بررسی تخصصی

Graph2Idea: ارتقای نرخ نوآوری ایده‌های علمی از ۰.۴۵ به ۰.۵۲ با گراف‌های دانش

مدل‌های زبانی معمولاً در تولید ایده‌های پژوهشی به دلیل اتکای به متن‌های «تخت» شکست می‌خورند. Graph2Idea با تبدیل ادبیات علمی به گراف‌های دانش، نرخ نوآوری و امکان‌پذیری ایده‌های تولیدشده را به‌طور معناداری افزایش داده است.

۱۹ خرداد ۱۴۰۵۲ دقیقه خواندن