پرخواننده‌ترین‌ها
گزیده‌ای از خواندنی‌ترین و مهم‌ترین مطالب دات‌هوش.
- ۱۵۹۱
تحلیل و بررسی تخصصیچگونه RTTAD از آلودگی مدل در تشخیص ناهنجاری‌های داده‌های جدولی جلوگیری می‌کند؟
چارچوب RTTAD با معرفی یک مکانیسم آگاه از ریسک، مانع از یادگیری اشتباه ناهنجاری‌ها به عنوان داده‌های نرمال در زمان استقرار می‌شود. این مدل با ترکیب آموزش دو-وظیفه‌ای و پالایش تقابلی، به عملکرد پیشرو (SOTA) در ۱۵ مجموعه داده دست یافته است.
۲۵ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۱۵۹۲
تحلیل و بررسی تخصصیچگونه DP-LAC دقت مدل‌های زبانی در یادگیری فدرال خصوصی را ۶.۶٪ افزایش داد؟
متد جدید DP-LAC با بهینه‌سازی خودکار آستانه‌های برش، دقت یادگیری فدرال خصوصی را بدون مصرف بودجه‌ی اضافی حریم خصوصی ارتقا می‌دهد. این رویکرد تضاد دیرینه میان دقت مدل و حفظ محرمانگی داده‌ها را در مدل‌های زبانی بزرگ حل می‌کند.
۲۵ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۱۵۹۳
اخبار کوتاه روزانه«پاک» پردازشی؛ استراتژی اپل برای تبدیل آیفون به منبع انرژی عینک‌های هوشمند
اپل در حال تغییر استراتژی از تمرکز بر گوشی به پلتفرم‌های رایانش محیطی است. در این مدل، آیفون به یک مرکز پردازش و باتری تبدیل می‌شود تا عینک‌های هوشمند سبک‌تر و کاربردی‌تر شوند.
۲۵ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۱۵۹۴
آموزش کاربردیچگونه یک حسابرسی سه‌مرحله‌ای، توهمات پنهان در خط لوله ارزیابی LLM را افشا کرد؟
بررسی‌های جدید روی ابزار Langfuse نشان می‌دهد که رفع باگ‌های زیرساختی، پیش‌شرط ارزیابی دقیق مدل‌ها است. این فرآیند فاش کرد که برخی مدل‌ها با تکرار عیناً متن پرامپت، داوران خودکار را برای کسب نمره کامل فریب می‌دهند.
۲۵ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۱۵۹۵
تحلیل و بررسی تخصصیتکهبندی تطبیقی اقدامات: راهکاری برای حذف محدودیت طول توالی در یادگیری تقویت‌شده
الگوریتم جدید ACH با جایگزینی توالی‌های ثابت با مکانیزم‌های پویا، اجازه می‌دهد عامل‌های RL طول توالی اقدامات را بر اساس وضعیت محیط تغییر دهند. این رویکرد در ۳۴ تکلیف پیچیده، کارایی و تعمیم‌پذیری بالاتری نسبت به مدل‌های سنتی نشان داده است.
۲۵ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۱۵۹۶
زندگی با AIبنچمارک‌های کدنویسی چگونه Claude 4.7 را به یک برنامه‌نویس ناکارآمد تبدیل کردند؟
مدل Claude 4.7 به جای استفاده از کتابخانه‌های استاندارد پایتون، آن‌ها را از ابتدا بازنویسی کرده و حجم پروژه را بی‌دلیل افزایش داده است. این اتفاق نشان می‌دهد بنچمارک‌های فعلی، هوش مصنوعی را به سمتی می‌برند که برای حل مسئله، ابزارهای خارجی را نادیده بگیرد.
۲۴ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۱۵۹۷
اخبار کوتاه روزانهشاخص AIPI: سقوط قیمت استنتاج در مدل‌های پیشرو برای سومین هفته متوالی
برای نخستین بار در سال ۲۰۲۶، هزینه‌های استنتاج مدل‌های پیشرو وارد یک روند نزولی پایدار شده است. این تغییر که با تخفیف‌های تهاجمی DeepSeek شتاب گرفت، نشان‌دهنده یک نرم‌شدن هماهنگ قیمت‌ها در بازار مدل‌های متنی است.
۲۴ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۱۵۹۸
تحلیل و بررسی تخصصیسازوکار Neural Tilting: غلبه بر محدودیت‌های گوسی در مدل‌سازی رویدادهای دم-پهن
یک چارچوب جدید برای تغییر نمایی عصبی، استنتاج بیزی را در معادلات دیفرانسیل تصادفی مبتنی بر لوی بهینه می‌کند. این دستاورد به هوش مصنوعی اجازه می‌دهد رویدادهای حدی و دم-پهن را در علوم مالی و اقلیمی بدون خطاهای ناشی از فرض‌های گوسی مدل‌سازی کند.
۲۴ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۱۵۹۹
تحلیل و بررسی تخصصیLLaVA-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 - ۱۶۰۰
تحلیل و بررسی تخصصیدرون 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 - ۱۶۰۱
تحلیل و بررسی تخصصیچرا تسلط زبانی در مدل‌های چندوجهی، نشانهٔ درک درست از تصاویر ماهواره‌ای نیست؟
پژوهشگران با معرفی بنچمارک SenseBench دریافتند که مدل‌های بینایی-زبانی در تحلیل تصاویر ماهواره‌ای دچار «توهم روانی» هستند. این مدل‌ها توصیفاتی بسیار متقاعدکننده اما از نظر فیزیکی نادرست ارائه می‌دهند.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۱۶۰۲
تحلیل و بررسی تخصصیحل چالش توزیع دم‌دراز در مدل‌های چندوجهی با رویکرد وزن‌دهی پویا
پژوهشگران چارچوب جدیدی برای رفع عدم توازن کلاس‌ها در هوش مصنوعی چندوجهی معرفی کرده‌اند. این مدل با وزن‌دهی پویا به منابع داده، سوگیری به سمت کلاس‌های اکثریت را کاهش و دقت شناسایی داده‌های نادر را افزایش می‌دهد.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۱۶۰۳
تحلیل و بررسی تخصصیچرا 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 - ۱۶۰۴
تحلیل و بررسی تخصصیگزارش arXiv: متد TRACE دقت استدلال ریاضی را ۲.۷۶ درصد فراتر از GRPO برد
متد جدیدی به نام TRACE با هدف‌گیری توکن‌های حیاتی در فرآیند تقطیر، نرخ خطای مدل‌های استدلالی را کاهش داد. این رویکرد برخلاف روش‌های متراکم، از نشت اطلاعات ممتاز جلوگیری کرده و عملکرد مدل را در داده‌های خارج از توزیع حفظ می‌کند.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۱۶۰۵
تحلیل و بررسی تخصصیچرا گلوگاه عامل‌های هوش مصنوعی در استدلال نیست، بلکه در طراحی APIهاست؟
یک پارادایم جدید در طراحی APIهای معنایی، رابطهای سنتی CRUD را با پروتکلی شش‌فعل برای عامل‌های هوش مصنوعی جایگزین کرده است. این رویکرد در محیط‌های عملیاتی SaaS، نرخ موفقیت در اجرای تسک‌ها را از ۶۴٪ به ۸۸٪ رسانده است.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۱۶۰۶
تحلیل و بررسی تخصصیSkillEvolver: ارتقای دقت مهارت‌های عامل‌های هوش مصنوعی به ۵۶.۸٪ در SkillsBench
چارچوب SkillEvolver با معرفی یک «متا-مهارت»، یادگیری عامل‌ها را از تغییر وزن‌های مدل به اصلاح متنی و کد منتقل کرد. این روش در ۱۵ حوزه مختلف، دقتی بالاتر از مهارت‌های طراحی‌شده توسط انسان به دست آورده است.
۲۳ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۱۶۰۷
تحلیل و بررسی تخصصیچگونه LLM4Branch اتوماسیون سیاست‌های شاخه‌بندی را در MILP به سطح SOTA رساند؟
چارچوب LLM4Branch با استفاده از مدل‌های زبانی بزرگ، کشف سیاست‌های شاخه‌بندی در برنامه‌ریزی خطی عدد-صحیح (MILP) را خودکار کرده است. این روش با بهینه‌سازی اسکلت‌های برنامه‌نویسی تولیدشده توسط LLM، رکورد جدیدی را برای متدهای مبتنی بر CPU ثبت کرد.
۲۲ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۱۶۰۸
تحلیل و بررسی تخصصیکاهش زمان کالیبراسیون BCI به ۱۰ دقیقه با انتقال دانش EEG در چارچوب CORTEG
پژوهشگران با معرفی چارچوب CORTEG، مدل‌های بنیادی EEG پوستی را برای رمزگشایی سیگنال‌های درون‌جمجمه‌ای (ECoG) بهینه کردند. این رویکرد نیاز به داده‌های اختصاصی هر بیمار را به‌شدت کاهش داده و سرعت کالیبراسیون را به ۱۰ تا ۳۰ دقیقه می‌رساند.
۲۲ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۱۶۰۹
تحلیل و بررسی تخصصیسازوکار HAGE: تبدیل حافظه‌ی ایستا به نقشه‌ی شناختی پویا با یادگیری تقویت‌شده
چارچوب HAGE جستجوی برداری ایستا در عامل‌های هوش مصنوعی را با گراف‌های حافظه چندرابطه‌ای و وزنی جایگزین می‌کند. این سیستم با استفاده از یادگیری تقویت‌شده برای بهینه‌سازی وزن یال‌ها، استدلال در افق‌های بلند و کارایی بازیابی را به‌طور چشم‌گیری بهبود می‌بخشد.
۲۲ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۱۶۱۰
تحلیل و بررسی تخصصیسازوکار M2A: تزریق استدلال ریاضی به عامل‌های هوش مصنوعی بدون آموزش مجدد
رویکرد جدید M2A با ادغام پارامترها در فضای تهی، توانایی استدلال ریاضی را به عامل‌های هوش مصنوعی تزریق می‌کند بدون آنکه نیاز به آموزش مجدد باشد. این متد نرخ حل مسائل SWE-Bench در مدل Qwen3-8B را از ۴۴ به ۵۱.۲ درصد رساند.
۲۲ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۱۶۱۱
تحلیل و بررسی تخصصیچگونه «عمق تعهد یادگیرای» مدل‌های کوچک را در استدلال از GPT-5.5 پیشتاز کرد؟
یک مدل ۷ میلیارد پارامتری با استفاده از متغیر «عمق تعهد یادگیرای»، در وظایف استدلالی بلندمدت از GPT-5.5 و Claude Sonnet پیشی گرفت. این رویکرد با بهینه‌سازی زمان بازطراحی برنامه‌ها، توازن میان هزینه محاسباتی و خطاهای اجرایی را اصلاح می‌کند.
۲۲ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۱۶۱۲
اخبار کوتاه روزانهچرا جنرال موتورز به جای آموزش کارکنان، ۶۰۰ نقش IT را حذف کرد؟
جنرال موتورز بیش از ۱۰ درصد از کارکنان IT خود را اخراج کرد تا متخصصان مهندسی مدل و توسعه بومی هوش مصنوعی را جایگزین کند. این اقدام نشان‌دهنده تغییر استراتژی شرکت‌های بزرگ از «استفاده از ابزارهای AI» به «بازسازی کامل نیروی فنی» است.
۲۲ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۱۶۱۳
اخبار کوتاه روزانهپشتصحنه چرخش استراتژیک GitLab برای تبدیل شدن به زیرساختِ عامل‌های هوش مصنوعی
شرکت GitLab در حال بازسازی کامل زیرساخت و ساختار سازمانی خود است تا از یک ابزار مدیریت کد به محیط اجرای عامل‌های هوش مصنوعی تبدیل شود. این تغییر شامل کاهش ۳۰ درصدی حضور جهانی و حذف لایه‌های مدیریتی برای تسریع تولید نرم‌افزار ماشین‌محور است.
۲۲ اردیبهشت ۱۴۰۵۳ دقیقه خواندن - ۱۶۱۴
اخبار کوتاه روزانهگزارش بایدو: کاهش ۹۴ درصدی هزینه آموزش Ernie 5.1 در مسیر رقابت با GPT-5.5
مدل Ernie 5.1 شرکت بایدو با کاهش ۹۴ درصدی هزینه‌های پیش‌آموزش، جایگاه چهارم جهانی را در جدول Arena Search به دست آورد. این مدل با استفاده از یک چارچوب آموزشی الاستیک، توانسته است قابلیت‌های استدلالی خود را در سطح مدل‌های پیشرو حفظ کند.
۲۱ اردیبهشت ۱۴۰۵۴ دقیقه خواندن - ۱۶۱۵
تحلیل و بررسی تخصصیگزارش Sakana AI و NVIDIA: افزایش ۲۱.۹ درصدی سرعت آموزش LLM با فرمت داده TwELL
پژوهشگران Sakana AI و NVIDIA با معرفی TwELL، فرمت داده‌ای جدید و کرنل CUDA بهینه، سرعت آموزش مدل‌های زبانی را ۲۱.۹ درصد افزایش دادند. این سیستم بدون کاهش دقت مدل، بهره‌وری لایه‌های پیش‌خور را در آموزش و استنتاج با حجم بالا بهینه می‌کند.
۲۱ اردیبهشت ۱۴۰۵۳ دقیقه خواندن - ۱۶۱۶
داستان‌ها و مصاحبههاگزارش curl: مدل Mythos تنها یک آسیب‌پذیری کم‌اهمیت در ۱۷۸ هزار خط کد یافت
مدل Mythos شرکت Anthropic که با ادعای «قدرت خطرناک» در شناسایی حفره‌های امنیتی معرفی شده بود، در آزمون واقعی روی کد curl شکست خورد. این مدل تنها یک آسیب‌پذیری جزئی یافت که عملکرد آن را با ابزارهای امنیتی قدیمی یکسان کرد.
۲۱ اردیبهشت ۱۴۰۵۳ دقیقه خواندن - ۱۶۱۷
آموزش کاربردیچگونه ترکیب کد قطعی و مدل زبانی، تحلیل امکان‌سنجی CNC را به ۴۰ ثانیه رساند؟
سیستم MachinaCheck با استفاده از مدل‌های محلی، تحلیل فایل‌های CAD برای تولید CNC را از ۲۰ ساعت در هفته به ۴۰ ثانیه کاهش داده است. این راهکار با اجرای مدل Qwen روی سخت‌افزار AMD، امنیت داده‌های حساس مهندسی را تضمین می‌کند.
۲۰ اردیبهشت ۱۴۰۵۳ دقیقه خواندن - ۱۶۱۸
اخبار کوتاه روزانهپالو آلتو نتورکس: یک سال تست نفوذ دستی در ۳ هفته با هوش مصنوعی
گزارش‌ها نشان می‌دهد مدل‌های پیشرو مانند Claude Mythos اکنون قادرند عملیات پیچیده تست نفوذ یک‌ساله را در ۲۱ روز به پایان برسانند. این تحول، هوش مصنوعی را از یک دستیار ساده به یک عامل خودکار تبدیل کرده که می‌تواند حملات سایبری را در دقایقی اجرا کند.
۲۰ اردیبهشت ۱۴۰۵۳ دقیقه خواندن - ۱۶۱۹
آموزش کاربردیتوقف توهمات در محیط تولید؛ ابزارهای جدید پایتون برای تضمین ساختار خروجی LLM
مجموعه‌ای از سه ابزار جدید پایتون برای تبدیل تست‌های ذهنی و انسانی در خط لوله‌های هوش مصنوعی به قراردادهای سخت‌گیرانه و خودکار معرفی شدند. این استک با شناسایی زودهنگام خطاهای ساختاری، از ورود خروجی‌های معیوب به محیط عملیاتی جلوگیری می‌کند.
۱۹ اردیبهشت ۱۴۰۵۲ دقیقه خواندن - ۱۶۲۰
آموزش کاربردیرمزگشایی از Spec-Kit: گیت‌هاب چگونه کدنویسی را از حدس‌زنی به مهندسی دقیق می‌برد؟
گیت‌هاب با معرفی Spec-Kit، رویکرد «توسعه مبتنی بر مشخصات» (SDD) را جایگزین پرامپت‌های پراکنده می‌کند. این ابزار با تبدیل مستندات محصول به منبع واحد حقیقت، مانع از حدس‌زنی عامل‌های هوش مصنوعی در پیاده‌سازی کد می‌شود.
۱۹ اردیبهشت ۱۴۰۵۲ دقیقه خواندن