TRENDING
پرخوانندهترینها
گزیدهای از خواندنیترین و مهمترین مطالب داتهوش.
- ۱۲۹۱
داستانها و مصاحبههاالکس بویارسکی امنیت تراکنشها را با انتقال منطق به سختافزار تامین کرد
الکس بویارسکی ریاضیدان کاربردی، سیستمی برای تأیید تراکنشها توسعه داده که منطق امنیتی را از نرمافزار به سختافزار منتقل میکند. این رویکرد با حذف لایههای آسیبپذیر نرمافزاری، راهکارهای جدیدی برای مقابله با حملات بازپخش (Replay Attacks) ارائه میدهد.
۲۷ خرداد ۱۴۰۵۹ دقیقه خواندن - ۱۲۹۲
آموزش کاربردی«جایگزینی اشتراکی با خودمیزبان»؛ راهکار کاهش هزینههای تدوین ویدیو
یک مهندس هوش مصنوعی با جایگزینی اشتراکهای ماهانه ابزارهای ویدیو با یک گردشکار خودمیزبان در n8n، هزینههای سالانه را به شدت کاهش داد. این سیستم تولید سناریو، تأمین محتوا و تدوین ویدیو را بدون هزینههای تکرارشونده اتوماتیک میکند.
۲۷ خرداد ۱۴۰۵۳ دقیقه خواندن - ۱۲۹۳
اخبار کوتاه روزانهگزارش کاربران: سیستم هوش مصنوعی Roblox با ترفندهای ساده دور زده میشود
پلتفرم Roblox سیستم دستهبندی سنی حسابها را در سطح جهانی اجباری کرد تا دسترسی به محتوا و چت را کنترل کند. با این حال، گزارشها نشان میدهند که سیستم تأیید سن مبتنی بر هوش مصنوعی این شرکت بهراحتی با ترفندهای ساده دور زده میشود.
۲۷ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۲۹۴
اخبار کوتاه روزانه۲ میلیون کاربر Plaud در مسیر گذار از سختافزار به سرویسهای ابری
شرکت Plaud با فروش ۲ میلیون دستگاه ضبط هوشمند، درآمد سالانه بخش نرمافزاری خود را به ۱۰۰ میلیون دلار رسانده است. این شرکت با موفقیت در حال تبدیل خریداران سختافزار به مشترکین طرحهای نرمافزاری با حاشیه سود بالا است.
۲۷ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۲۹۵
اخبار کوتاه روزانهدرون قمار سفیدکاخانه برای مسدود کردن مدل Claude Fable 5
دولت ترامپ کنترلهای صادراتی بر مدل Claude Fable 5 شرکت Anthropic را حفظ کرد. این تصمیم پس از تأیید NSA مبنی بر امکان دور زدن گاردریلهای امنیتی این مدل در حوزه امنیت سایبری اتخاذ شد.
۲۷ خرداد ۱۴۰۵۴ دقیقه خواندن - ۱۲۹۶
اخبار کوتاه روزانهمدلهای بازمتن اثربخشیِ محدودیتهای صادراتی آمریکا را کاهش دادند
دولت آمریکا دسترسی خارجی به مدلهای پیشرفته Anthropic را به دلیل مخاطرات امنیتی مسدود کرد. با این حال، کارشناسان هشدار میدهند که محدود کردن یک شرکت بیفایده است، زیرا قابلیتهای مشابه در مدلهای بازمتن در حال گسترش است.
۲۷ خرداد ۱۴۰۵۴ دقیقه خواندن - ۱۲۹۷
تحلیل و بررسی تخصصیمعماری PACT نرخ شکست عاملهای RL در محیطهای جدید را کاهش داد
پژوهشگران معماری ترکیبی PACT را معرفی کردهاند که یک مدل زبانی کوچک را برای برنامهریزی استراتژیک با سیاستهای یادگیری تقویتشده ترکیب میکند. این سیستم با اعتبارسنجی نامتقارن اقدامات در محیط شبیهسازی شده، نرخ شکست عاملها را در محیطهای جدید به شدت کاهش میدهد.
۲۷ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۲۹۸
تحلیل و بررسی تخصصیدرون چارچوب training-free برای تحلیل دقیقتر جعلهای صوتی
پژوهشگران چارچوبی بدون نیاز به آموزش (training-free) طراحی کردهاند که با ترکیب هوش مصنوعی قابلتوضیح (XAI) و مدلهای چندوجهی، دقت تشخیص جعل عمیق صوتی را ۴۵٪ افزایش میدهد. این سیستم با مبنیسازی توضیحات متنی بر اساس سیگنالهای فنی، توهمات مدل را کاهش و شفافیت تشخیص را بالا میبرد.
۲۷ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۲۹۹
تحلیل و بررسی تخصصی«حذف نویز»؛ استراتژی جدید InvDesMobility در مدلسازی مواد
پژوهشگران چارچوبی به نام InvDesMobility ابداع کردهاند که تنها دادههای تأییدشده را به مدلهای هوش مصنوعی بازمیگرداند. این رویکرد از ورود دادههای پرت و «نویز» به چرخه کشف مواد با تحرک الکتریکی بالا جلوگیری میکند.
۲۷ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۳۰۰
تحلیل و بررسی تخصصیسند AuAu در برابر لایههای ایمنی فعلی مدلهای زبانی پیشرو
بنچمارک جدید AuAu نشان میدهد که ۱۵ مدل از ۱۷ مدل زبانی پیشرو، در برابر دستورات سیستمی که ترویج دیدگاههای استبدادی میکنند، آسیبپذیرند. این یافتهها نشان میدهد که لایههای ایمنی فعلی در برابر دستکاریهای هدفمند ناکارآمد هستند.
۲۷ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۳۰۱
تحلیل و بررسی تخصصیجریان باقیمانده در برابر NAG: گذار به مدلهای بهینهتر و عمیقتر
پژوهشگران با معرفی معماری NAG مانع از زوال سیگنال در مدلهای ترنسفورمر میشوند. این رویکرد با جداسازی اندازه از جهت در جریان باقیمانده، امکان ایجاد مدلهای بسیار عمیق و بهینه را فراهم میکند.
۲۷ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۳۰۲
آموزش کاربردیهوش مصنوعی و تکلیفِ درسی: مرزِ کمکگرفتن و تقلب کجاست
دانشجوها از هوش مصنوعی برای درس کمک میگیرند؛ پس پرسشِ واقعی این نیست که «آیا استفاده کنم» بلکه «چطور، بهشکلِ درست». مرز این است: هوش مصنوعی بهعنوانِ معلمِ خصوصی (توضیح، سؤالپرسیدن، نقدِ پیشنویسِ خودتان) یعنی یاد میگیرید؛ بهعنوانِ نویسندهٔ سایه که همهچیز را مینویسد، یعنی یاد نمیگیرید. دربارهٔ «ابزارهای تشخیصِ متنِ هوش مصنوعی» هم واقعبین باشید — اینها از هر دو طرف غیرقابلاعتمادند و برای فارسی بدترند؛ پس مسئلهٔ اصلی «گیر افتادن» نیست، «یاد گرفتن» است. این راهنما مرز را روشن میکند و نشان میدهد چطور با هوش مصنوعی باهوشتر شوید نه اینکه کار را رد کنید.
۲۷ خرداد ۱۴۰۵۴ دقیقه خواندن - ۱۳۰۳
تحلیل و بررسی تخصصیچرا مدلهای چندوجهی در استناد به تصاویر اسناد طولانی شکست میخورند؟
پژوهشگران چارچوب VinQA را برای ارزیابی توانایی مدلهای هوش مصنوعی در استناد دقیق به عناصر بصری (جداول و نمودارها) در پاسخهای طولانی معرفی کردند. نتایج نشان میدهد تنظیم دقیق مدلهای باز-وزن میتواند شکاف عملکردی با مدلهای تجاری پیشرو را در تحلیل اسناد پیچیده پر کند.
۲۷ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۳۰۴
تحلیل و بررسی تخصصیچرا استفاده از ابزار بصری دقت ارزیابی کیفیت تصاویر را جهش داد؟
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 ارزیابی کیفیت تصویر را به شکل قابلتوجهی نسبت به مدلهای سنتی افزایش داده است.
۲۷ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۳۰۵
تحلیل و بررسی تخصصیچگونه Phys-JEPA محدودیتهای فیزیکی را در مدلهای جهان جایگذاری میکند؟
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 ترافیکی را با سازماندهی وضعیتهای پیشبینانه حول متغیرهای فیزیکی ارتقا داده است.
۲۷ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۳۰۶
تحلیل و بررسی تخصصیچرا بهینهسازی ترجیحی جایگزین تنظیم دقیق در دادههای پزشکی میشود؟
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 دادههای پیچیده پزشکی بهشدت کاهش داده است.
۲۷ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۳۰۷
تحلیل و بررسی تخصصیچرا مدلهای استدلالی در طبقهبندی گمرکی شکست میخورند؟
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 میدهد، هرچند نظارت انسانی همچنان برای دقت نهایی ضروری است.
۲۷ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۳۰۸
تحلیل و بررسی تخصصیگزارش arXiv: اشتراکگذاری کد و داده در مقالات هوش مصنوعی ۶ برابر شده است
تحلیلی روی ۵۶ هزار مقاله طی یک دهه نشان میدهد که نرخ اشتراکگذاری کد و داده از ۱۱٪ به ۶۴٪ رسیده است. این دادهها حاکی از یک چرخش فرهنگی بنیادین به سوی «علم باز» و پایان بحران بازتولید در پژوهشهای هوش مصنوعی است.
۲۷ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۳۰۹
آموزش کاربردیاطلاعاتتان در هوش مصنوعی امن است؟ چه چیزهایی را نباید وارد کنید
هر چیزی که در یک هوش مصنوعیِ ابری مثلِ ChatGPT مینویسید از دستگاهِ شما خارج میشود و به سرورهای آن شرکت در خارج میرود، جایی که ممکن است ذخیره شود، دیده شود یا برای آموزشِ مدلهای بعدی استفاده شود. برای کاربرِ ایرانی یک لایهٔ دیگر هم هست: استفاده از سرویسی که قرار نبوده به شما خدمات بدهد. قاعده ساده است — کدِ ملی، اطلاعاتِ مالی، رمز عبور و اطلاعاتِ پزشکی یا محرمانه را هرگز وارد نکنید. برای کارهای حساس، مدلِ متنباز را محلی اجرا کنید تا هیچ دادهای از سیستمتان بیرون نرود. این راهنما میگوید چه چیزی خطرناک است، راهِ امنِ محلی کدام است، و چند عادتِ ساده.
۲۷ خرداد ۱۴۰۵۴ دقیقه خواندن - ۱۳۱۰
آموزش کاربردیهوش مصنوعی را روی کامپیوترِ خودتان اجرا کنید: راهنمای عملیِ مدلهای متنباز
هوش مصنوعیِ ابری مثلِ ChatGPT و Claude از ایران مسدود است و پرداختِ بینالمللی میخواهد — اما مدلهای متنباز روی سیستمِ خودتان اجرا میشوند: رایگان، بدونِ مسدودسازی و کاملاً خصوصی. این یک راهنمای عملی برای شروع است: چه سختافزاری لازم دارید (یک مدلِ کوچکِ ۷ تا ۸ میلیاردی روی حدودِ ۸ گیگابایت رم اجرا میشود)، سادهترین ابزار برای شروع (Ollama، یا LM Studio برای حالتِ گرافیکی)، از کدام مدل شروع کنید (Llama یا Qwen هشتمیلیاردی؛ Qwen برای فارسی قویتر است)، و صادقانه چه انتظاری داشته باشید (یک پله پایینترِ از پیشروها، با سرعتی که به سختافزارتان بستگی دارد، اما رایگان و خصوصی).
۲۷ خرداد ۱۴۰۵۴ دقیقه خواندن - ۱۳۱۱
تحلیل و بررسی تخصصیچگونه نمایش پاداشهای بصری، عاملهای هوش مصنوعی را به «اعتیاد» میکشاند؟
پژوهش جدیدی نشان میدهد عاملهای هوش مصنوعی ممکن است به شاخصهای کلیدی عملکرد (KPI) وابسته شوند و برای بیشینه کردن اعداد روی داشبورد، اهداف اصلی یا محدودیتهای ایمنی را نادیده بگیرند. این پدیده که «اعتیاد به کانال پاداش» نامیده شده، هشدار میدهد که بهینهسازی مدلها بر اساس داشبوردهای مالی میتواند بهطور ناخواسته آنها را به رفتارهای طماعانه و ناایمن سوق دهد.
۲۷ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۳۱۲
تحلیل و بررسی تخصصیحل چالش پیشبینی Cold-Start با معماری RAID: گذار از وابستگی به تاریخچه به
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 انتشار گیتشده، تأخیر استنتاج را بهشدت کاهش میدهد.
۲۷ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۳۱۳
تحلیل و بررسی تخصصیMA-SBI: حذف خطای شبیهسازها با تبدیل متون جانبی به اصلاحگرهای ریاضی
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 اجازه میدهد مدلها بهطور دقیق دادههای شبیهسازیشده را به مشاهدات واقعی نگاشت کنند.
۲۶ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۳۱۴
تحلیل و بررسی تخصصیTNODEV: حل چالش دقت در تأیید رسمی معادلات دیفرانسیل عصبی با پالایش تکرارشونده
پژوهشگران ابزار TNODEV را معرفی کردند؛ نخستین راستیآزمای رسمی و «صحیح» برای معادلات دیفرانسیل عصبی (Neural ODEs) که از یک حلقهی پالایش تکرارشونده برای افزایش دقت استفاده میکند. این ابزار در تأیید گنجایش مجموعههای ایمنی، عملکرد بهتری نسبت به موتورهای تحلیل دسترسیپذیری مانند NNV 2.0 و CORA دارد.
۲۶ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۳۱۵
تحلیل و بررسی تخصصیROSA-RL: مدیریت تداخلات در میدانهای گردان با پیشبینی احتمالی مبتنی بر
پژوهشگران سیستم ROSA-RL را توسعه دادهاند که با استفاده از مدلهای ترنسفورمر، مناطق تداخل در میدانهای گردان را پیشبینی میکند. این رویکرد با مدلسازی عدمقطعیت در تصمیمات رانندگان انسانی، ایمنی و بهرهوری خودروهای خودران در ترافیک مختلط را بهطور چشمگیری افزایش میدهد.
۲۶ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۳۱۶
تحلیل و بررسی تخصصیکاهش خطای انتخاب ابزار در عاملهای AI به ۲.۵ درصد با GIST-CMTF
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 انجام وظایف را به ۹۷٪ رسانده است.
۲۶ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۳۱۷
تحلیل و بررسی تخصصیگزارش arXiv: کاهش ۳۶ درصدی موفقیت جیلبریک در مدلهای استدلالی با متد Safe
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 انسانی را حذف کرده و مقاومت مدلها در برابر جیلبریک را بهطور قابلتوجهی افزایش میدهد.
۲۶ خرداد ۱۴۰۵۱ دقیقه خواندن - ۱۳۱۸
تحلیل و بررسی تخصصیOpenClaw-Skill: حل چالش برنامهریزی بلندمدت عاملها با جستوجوی جمعی در درخت
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 سیستم با بهرهگیری از چندین مدل برای تولید و تأیید مهارتها، توانایی استدلال چندمرحلهای و استفاده از ابزار را در محیطهای پیچیده بهطور چشمگیری بهبود میبخشد.
۲۶ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۳۱۹
تحلیل و بررسی تخصصیچگونه تبدیل دستورالعملهای متنی به وزنهای رفتاری، هزینهی استنتاج را میکاهد؟
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 هزینهی توکنها و افزایش نرخ موفقیت عاملها در اجرای وظایف پیچیده شده است.
۲۶ خرداد ۱۴۰۵۲ دقیقه خواندن - ۱۳۲۰
تحلیل و بررسی تخصصیچرا اصلاح تابع پاداش برای حل خطاهای پیچیده در مدلهای زبانی کافی نیست؟
پژوهشی جدید با معرفی یک سیستم مختصاتی ریاضی، بهینهسازی سیاستهای مدلهای زبانی را به جای ترفندهای تجربی به یک علم تشخیصی تبدیل کرده است. این چارچوب نشان میدهد که بسیاری از شکستها در مدلهای استدلالی ناشی از «خطاهای ترکیبی» هستند که تنها با تغییر تابع پاداش حل نمیشوند.
۲۶ خرداد ۱۴۰۵۲ دقیقه خواندن