پرخواننده‌ترین‌ها

چرا مدل‌های زیر ۳۲ میلیارد پارامتر منطق را با فرمت پاسخ اشتباه می‌گیرند؟

پژوهشگران یک نقص سیستماتیک در مطالعات «تخریب» برای سنجش وفاداری زنجیره تفکر کشف کرده‌اند. نتایج نشان می‌دهد مدل‌های کوچک اغلب به جای تکیه بر گام‌های استدلالی، صرفاً از فرمت پاسخ نهایی پیروی می‌کنند و این امر سیگنالی کاذب از وجود منطق ایجاد می‌کند.

۲۴ اردیبهشت ۱۴۰۵۲ دقیقه خواندن

۸۳۷۲

تحلیل و بررسی تخصصی

گزارش arXiv: نشت موضوعی داده‌های محرمانه در ۷۹٪ از مدل‌های زبانی پیشرو

مدل‌های زبانی پیشرو حتی با وجود دستورات صریح برای حفظ محرمانگی، اطلاعات را از طریق تم‌ها و تصویرسازی‌ها فاش می‌کنند. پژوهشی جدید نشان می‌دهد این نشت موضوعی در ۷۹٪ موارد رخ می‌دهد و با افزایش اندازه مدل، شدت می‌یابد.

۲۴ اردیبهشت ۱۴۰۵۲ دقیقه خواندن

۸۳۷۳

تحلیل و بررسی تخصصی

سازوکار DRAPE: انتقال از انطباق سطح-وظیفه به سطح-نمونه در مدل‌های چندوجهی

چارچوب DRAPE با جایگزینی پرامپت‌های ایستا با پرامپت‌های نرم پویا و مختص به هر نمونه، مشکل فراموشی فاجعه‌بار در مدل‌های چندوجهی را حل می‌کند. این روش با تکیه بر شرطی‌سازی بر اساس جفت‌های تصویر-پرسش، استانداردهای جدیدی در تنظیم دستورالعمل‌های مداوم ایجاد کرده است.

۲۴ اردیبهشت ۱۴۰۵۲ دقیقه خواندن

۸۳۷۴

تحلیل و بررسی تخصصی

۲.۳ میلیون نمونه داده جدید برای انتقال تحلیل ماهواره‌ای به عصر استدلال زمانی

پژوهشگران با معرفی مجموعه داده SMART-HC-VQA، تحلیل تصاویر ماهواره‌ای را از تشخیص ساده‌ی تغییرات به استدلال زمانی پیچیده ارتقا دادند. این چارچوب با بهره‌گیری از مدل LLaVA-NeXT Mistral-7B، قادر است مراحل پیشرفت پروژه‌های ساخت‌وساز انسانی را در طول زمان تحلیل کند.

۲۴ اردیبهشت ۱۴۰۵۲ دقیقه خواندن

۸۳۷۵

تحلیل و بررسی تخصصی

سازوکار «اثر تماشاگر»: تحلیل تخریب استدلال در سیستم‌های چندعاملی هوش مصنوعی

همکاری بین عامل‌های هوش مصنوعی لزوماً منجر به نتایج دقیق‌تر نمی‌شود و حتی می‌تواند استدلال را تخریب کند. پژوهش‌های جدید نشان می‌دهند مدل‌ها به دلیل «تنبلی شناختی»، منطق درست خود را رها کرده و با نظرات گروهی همسو می‌شوند.

۲۴ اردیبهشت ۱۴۰۵۲ دقیقه خواندن

۸۳۷۶

تحلیل و بررسی تخصصی

سازوکار AllocMV: مدیریت منابع محاسباتی برای حفظ ثبات بصری در ویدیوهای بلند

AllocMV چارچوب جدیدی است که تولید ویدیوهای موسیقی را به یک مسئله تخصیص منابع تبدیل می‌کند تا هزینه‌های محاسباتی کاهش و ثبات بصری افزایش یابد. این سیستم با استفاده از یک حل‌کننده مبتنی بر بهینه‌سازی کوله‌پشتی، زمان تولید فریم‌های باکیفیت یا بازاستفاده از دارایی‌های موجود را تعیین می‌کند.

۲۴ اردیبهشت ۱۴۰۵۲ دقیقه خواندن

۸۳۷۷

تحلیل و بررسی تخصصی

چرا تکیه صرف به انتقال بین‌زبانی در NLP یک استراتژی شکست‌خورده است؟

پژوهشی جدید روی زبان لوکزامبورگی نشان می‌دهد که انتقال بین‌زبانی جایگزینی برای جمع‌آوری داده‌های محلی نیست. برای ایجاد خط‌لوله‌های پایدار در زبان‌های کم‌منبع، این دو رویکرد باید به صورت مکمل عمل کنند.

۲۴ اردیبهشت ۱۴۰۵۲ دقیقه خواندن

۸۳۷۸

تحلیل و بررسی تخصصی

چرا تجمیع غیرخطی در NASH، انتخاب داده‌ها را از شانس تصادفی نجات می‌دهد؟

چارچوب جدیدی به نام NASH معرفی شده است که از شکست روش Data Shapley در انتخاب داده‌های آموزشی جلوگیری می‌کند. این متد با تجزیه توابع مطلوبیت و تجمیع غیرخطی آن‌ها، کیفیت داده‌های منتخب را با کمترین هزینه محاسباتی ارتقا می‌دهد.

۲۴ اردیبهشت ۱۴۰۵۲ دقیقه خواندن

۸۳۷۹

تحلیل و بررسی تخصصی

گزارش arXiv: ارتقای نرخ حل مسائل SWE-bench به ۳۲.۲٪ با روش SRFT

روش جدید SRFT با فیلتر کردن گام‌های اشتباه به جای حذف کل مسیرهای ناموفق، نرخ حل مسائل در بنچمارک SWE-bench Verified را به ۳۲.۲٪ رسانده است. این رویکرد به مدل‌ها می‌آموزد که چگونه از خطاها بازیابی کرده و مسیر درست را بیابند.

۲۴ اردیبهشت ۱۴۰۵۲ دقیقه خواندن

۸۳۸۰

تحلیل و بررسی تخصصی

معماری bViT: حذف ۹۰٪ پارامترهای ViT-B بدون کاهش دقت در ImageNet-1K

معماری جدید bViT با جایگزینی لایه‌های منحصربه‌فرد با یک بلوک تکرارشونده، حجم پارامترها را تا ۹۰٪ کاهش داده است. این مدل در بنچمارک ImageNet-1K دقتی مشابه ViT-B ارائه می‌دهد و فرضیات پیشین درباره ضرورت عمق مدل‌های بینایی را به چالش می‌کشد.

۲۴ اردیبهشت ۱۴۰۵۲ دقیقه خواندن

۸۳۸۱

تحلیل و بررسی تخصصی

چرا پرسوناهای دیجیتال در پیش‌بینی رفتارهای نادر انسانی شکست می‌خورند؟

پژوهش‌های جدید نشان می‌دهد پرسوناهای مبتنی بر مدل‌های زبانی در بازسازی میانگین‌های گروهی موفق‌اند، اما در پیش‌بینی پاسخ‌های فردی و رفتارهای نادر ناتوان هستند. با وجود بهبود عملکرد از طریق معماری‌های RAG، اعتبارسنجی انسانی برای داده‌های ذهنی و ناهمگون همچنان ضروری است.

۲۴ اردیبهشت ۱۴۰۵۲ دقیقه خواندن

۸۳۸۲

تحلیل و بررسی تخصصی

چرا تخمین تابع پارتیشن دیگر برای رگرسیون‌های وزن‌دار بولتزمن ضروری نیست؟

پژوهشگران با معرفی تابع اکتساب AB-SID-iVAR در فرآیندهای گوسی، راهکاری برای دور زدن توابع پارتیشن غیرقابل‌محاسبه ارائه کردند. این دستاورد دقت مدل‌سازی سطوح انرژی پتانسیل در شیمی محاسباتی و کشف دارو را به‌طور چشم‌گیری افزایش می‌دهد.

۲۴ اردیبهشت ۱۴۰۵۲ دقیقه خواندن

۸۳۸۳

تحلیل و بررسی تخصصی

LLaVA-CKD: کاهش شکاف ظرفیت در مدل‌های بینایی-زبانی از طریق تقطیر متوالی

چارچوب LLaVA-CKD با معرفی ساختار آموزشی پله‌ای، مشکل افت کیفیت در انتقال دانش از مدل‌های غول‌پیکر به مدل‌های کوچک را حل کرده است. این روش با استفاده از معلمان میانی، امکان استقرار مدل‌های چندوجهی بهینه را بر روی سخت‌افزارهای محدود فراهم می‌کند.

۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن

۸۳۸۴

تحلیل و بررسی تخصصی

سازوکار SVV: کاهش نرخ عدم همراستاسازی مدل‌های زبانی به زیر ۳٪

پژوهشگران کشف کردند که مدل‌های زبانی حتی پس از تنظیمات مخرب، یک «فضای شخصیتی» پایدار دارند. با تقویت بردارهای معنایی خاص، می‌توان نرخ عدم همراستاسازی را از ۴۰٪ به کمتر از ۳٪ کاهش داد.

۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن

۸۳۸۵

تحلیل و بررسی تخصصی

سازوکار برچسب‌گذاری معنایی: رمزگشایی از نقاط کور مدل‌های تشخیص مرجع

یک چارچوب ارزیابی جدید با استفاده از برچسب‌گذاری معنایی، شکست‌های سیستماتیک در مدل‌های تشخیص مرجع را شناسایی می‌کند که معیارهای استاندارد نادیده می‌گیرند. این رویکرد به توسعه‌دهندگان اجازه می‌دهد تا به‌جای مقیاس‌گذاری کورکورانه، از افزایش داده‌های هدفمند برای رفع نقاط ضعف مدل استفاده کنند.

۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن

۸۳۸۶

تحلیل و بررسی تخصصی

چرا بازنویسی متون توسط مدل‌های زبانی، هویت نویسنده را کاملاً حذف نمی‌کند؟

پژوهشی جدید نشان می‌دهد که اثر انگشت سبک‌شناختی نویسندگان در بردارهای معنایی مدل‌های زبانی، حتی پس از بازنویسی توسط AI، باقی می‌ماند. این یافته مسیر جدیدی برای شناسایی جعل‌های پیشرفته و تقلید از سبک نویسندگی می‌گشاید.

۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن

۸۳۸۷

تحلیل و بررسی تخصصی

سازوکار MAGE: تکامل عامل‌های هوش مصنوعی بدون به‌روزرسانی وزن‌های مدل

چارچوب MAGE با معرفی گراف‌های دانش تکاملی، به عامل‌های هوش مصنوعی اجازه می‌دهد بدون تغییر در وزن‌های مدل، از شکست‌ها و موفقیت‌های خود بیاموزند. این سیستم در ۹ بنچمارک مختلف، از جمله استدلال‌های پزشکی و مالی، عملکردی برتر از مدل‌های ثابت را ثبت کرده است.

۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن

۸۳۸۸

تحلیل و بررسی تخصصی

درون معماری GW-Eyes: گذار از ابزارهای کمکی به عامل‌های خودگردان در اخترشناسی

پژوهشگران چارچوب GW-Eyes را معرفی کردند؛ سیستمی عامل‌محور که با استفاده از مدل‌های زبانی بزرگ، پیوند میان امواج گرانشی و همتای‌های الکترومغناطیسی آن‌ها را خودکار می‌کند. این رویکرد برای مدیریت حجم عظیم داده‌های رصدخانه‌های نسل جدید طراحی شده است.

۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن

۸۳۸۹

تحلیل و بررسی تخصصی

سازوکار Metis: چگونه یک حلقه فراشناختی سدهای امنیتی GPT-5 و O1 را می‌شکند؟

چارچوب جدیدی به نام Metis با استفاده از یک حلقه فراشناختی تکاملی، توانسته است با نرخ موفقیت ۸۹.۲ درصد از سدهای امنیتی مدل‌های پیشرو عبور کند. این سیستم به‌طور ویژه مدل‌های GPT-5 و O1 را هدف قرار داده و هزینه توکن‌های مورد نیاز برای حملات تیم قرمز را به‌شدت کاهش می‌دهد.

۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن

۸۳۹۰

تحلیل و بررسی تخصصی

گزارش arxiv.org: شکست کامل SafeLoRA در برابر استاندارد چهارگانه Acceptance Cards

پژوهشگران پروتکل سخت‌گیرانه Acceptance Cards را برای تأیید دفاع‌های تنظیم دقیق معرفی کردند. نتایج اولیه نشان می‌دهد SafeLoRA در مدل Gemma-2-2B-it شکست خورده و ادعاهای ایمنی فعلی احتمالاً بر پایه معیارهای گمراه‌کننده است.

۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن

۸۳۹۱

تحلیل و بررسی تخصصی

ThreatCore: چرا تشخیص «قصد آسیب» دشوارتر از شناسایی کلمات رکیک است؟

پژوهشگران با معرفی بنچمارک ThreatCore نشان دادند که مدل‌های زبانی بزرگ در شناسایی تهدیدات غیرمستقیم ضعف شدیدی دارند. این مطالعه پیشنهاد می‌کند که استفاده از برچسب‌گذاری نقش معنایی می‌تواند شکاف میان تشخیص تهدیدات صریح و پنهان را پر کند.

۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن

۸۳۹۲

تحلیل و بررسی تخصصی

درون معماری HH-SAE: تفکیک سه لایه‌ای برای شکار سیگنال‌های نادر در داده‌های حجیم

پژوهشگران با معرفی مدل HH-SAE توانستند با تفکیک داده‌ها به سه سطح زمینه‌ای، اتمی و ترکیبی، دقت تشخیص کلاهبرداری را به ۰.۹۱۵۶ برسانند. این مدل با حل مشکل «تضاد تراکم ویژگی‌ها»، قادر است سیگنال‌های حیاتی و نادر را از میان نویزهای حجیم استخراج کند.

۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن

۸۳۹۳

تحلیل و بررسی تخصصی

چرا قوانین مقیاس‌پذیری در حذف کلیشه‌های اجتماعی مدل‌های زبانی شکست می‌خورند؟

پژوهش جدید StereoTales نشان می‌دهد تمام مدل‌های زبانی بزرگ، بدون توجه به اندازه یا سازنده، در تولید داستان‌های باز، کلیشه‌های مضر اجتماعی را بازتولید می‌کنند. این سوگیری‌ها ایستا نیستند و بسته به زبان پرامپت، به‌صورت فرهنگی تطبیق می‌یابند.

۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن

۸۳۹۴

تحلیل و بررسی تخصصی

چرا میانگین دقت در مدل‌های پزشکی، حقیقتِ شکست‌های پنهان را می‌پوشاند؟

چارچوب جدید FairDRO با هدف قرار دادن «شکست‌های پنهان درون‌گروهی»، دقت مدل‌های بخش‌بندی تصاویر پزشکی را در بدترین سناریوها تا ۷.۴٪ بهبود بخشیده است. این رویکرد به‌جای تکیه بر میانگین‌های آماری، بر استواری مدل برای آسیب‌پذیرترین بیماران تمرکز می‌کند.

۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن

۸۳۹۵

تحلیل و بررسی تخصصی

حذف سد خطای فاکتوریزاسیون در مدل‌های انتشار ماسک‌دار با رویکرد IMDM

مدل جدید IMDM با معرفی ماسک‌های تصادفی، محدودیت‌های نظری تولید سریع در مدل‌های انتشار ماسک‌دار (MDM) را از بین برد. این دستاورد باعث افزایش چشمگیر سرعت نمونه‌برداری بدون کاهش کیفیت در مجموعه‌داده‌های LM1B و OpenWebText شده است.

۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن

۸۳۹۶

تحلیل و بررسی تخصصی

کاهش زمان تأیید شبکه‌های عصبی آنالوگ از چند روز به چند ثانیه

پژوهشگران با جایگزینی شبیه‌سازی‌های کند مونت‌کارلو با تحلیل دسترسی مبتنی بر زونوتوپ‌های چندجمله‌ای، زمان تأیید سخت‌افزارهای هوش مصنوعی آنالوگ را به‌شدت کاهش داده‌اند. این روش امکان تضمین رسمی رفتار مدارها را به‌رغم نوسانات تولید فراهم می‌کند.

۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن

۸۳۹۷

تحلیل و بررسی تخصصی

چگونه توکن‌های تخصصی CoWorld-VLA خطای استدلال در رانندگی خودکار را کاهش می‌دهند؟

مدل CoWorld-VLA با معرفی توکن‌های تخصصی برای داده‌های هندسی و پویا، استدلال سطح بالا را به عمل دقیق در رانندگی خودکار متصل می‌کند. این چارچوب در بنچمارک NAVSIM v1 دقت مسیر و ایمنی در اجتناب از تصادفات را به طور قابل‌توجهی افزایش داده است.

۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن

۸۳۹۸

تحلیل و بررسی تخصصی

چرا مدل‌های کوچک در تحلیل داده‌های رابطه‌ای شکست می‌خورند؟

یک مطالعه در مه ۲۰۲۶ نشان می‌دهد که مدل‌های زبانی پیشرو همچنان برتری مطلق خود را در پاسخ‌گویی به پرسش‌های مجموعه‌داده‌ها حفظ کرده‌اند. مدل‌های کوچک و بهینه، به‌ویژه در تبدیل زبان طبیعی به منطق رابطه‌ای و تولید SQL، با محدودیت‌های جدی روبرو هستند.

۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن

۸۳۹۹

تحلیل و بررسی تخصصی

AnomalyClaw: افزایش ۷.۹۳ واحدی AUROC در تشخیص ناهنجاری‌های بصری با رویکرد ردّیه

عامل AnomalyClaw با جایگزینی استنتاج تک‌مرحله‌ای با یک فرآیند ردّیه چندمرحله‌ای، دقت تشخیص ناهنجاری‌های بصری را به‌طور چشم‌گیری افزایش می‌دهد. این ابزار بدون نیاز به آموزش مجدد، عملکرد مدل‌های چندوجهی را در بنچمارک CrossDomainVAD-12 بهبود می‌بخشد.

۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن

۸۴۰۰

تحلیل و بررسی تخصصی

عبور از تضاد تخصص محلی و هوش عمومی در مدل ۱۲۳ میلیارد پارامتری Phoenix-VL 1.5

تیم Phoenix و Mistral AI مدل Phoenix-VL 1.5 Medium را معرفی کردند؛ یک مدل چندوجهی با ۱۲۳ میلیارد پارامتر که در عین حفظ توانمندی‌های جهانی در STEM، در حقوق و فرهنگ سنگاپور به سطح State-of-the-art رسیده است. این دستاورد، پارادایم مدل‌های حاکمیتی را از مدل‌های کوچک و تخصصی به سمت مدل‌های حجیم و همه‌کاره تغییر می‌دهد.

۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن