https://www.dothoosh.com/article/how-real2sim2real-calibration-enables-blind-dexterous-graspi دات‌هوش fa 2026-06-12T02:49:11.993Z چگونه کالیبراسیون Real2Sim2Real نیاز به بینایی در گرفتن اشیاء را حذف می‌کند؟ https://www.dothoosh.com/article/bridgevlm-causal-tokens-lift-intervention-task-accuracy-to-5 دات‌هوش fa 2026-06-12T02:37:58.115Z BridgeVLM و توکن‌های علی: ارتقای دقت وظایف مداخله‌ای به ۵۴.۴٪ https://www.dothoosh.com/article/why-model-scaling-fails-to-fix-llm-socratic-tutoring دات‌هوش fa 2026-06-12T02:33:18.529Z عبور از مقیاس‌بندی: معماری سه‌گانه برای حل چالش آموزش سقراطی در LLMها https://www.dothoosh.com/article/icalens-recovers-interpretable-llm-directions-without-dictio دات‌هوش fa 2026-06-12T02:00:39.973Z چرا برای تفکیک مسیرهای تفسیری LLMها دیگر نیازی به آموزش دیکشنری نیست؟ https://www.dothoosh.com/article/lora-vs-rag-why-parametric-memory-fails-at-factual-absence دات‌هوش fa 2026-06-12T01:43:03.966Z تضاد حافظه پارامتریک و استردادی: چرا LoRA در تشخیص نبودِ واقعیت‌ها ناتوان است؟ https://www.dothoosh.com/article/medcta-benchmark-frontier-ai-models-failed-multi-step-clinic دات‌هوش fa 2026-06-12T01:36:08.335Z چرا ادراک بصری پیشرفته در مدل‌های پزشکی به معنای موفقیت در اجرای عامل‌محور نیست؟ https://www.dothoosh.com/article/canola-framework-cut-dataset-label-errors-by-up-to-52 دات‌هوش fa 2026-06-12T01:19:02.599Z کاهش ۵۲ درصدی خطاهای برچسب‌گذاری در مجموعه‌داده‌ها با چارچوب CANOLA https://www.dothoosh.com/article/arxiv-research-autopilot-cuts-agent-fabrication-from-33-7-to دات‌هوش fa 2026-06-12T01:14:48.745Z Autopilot: کاهش نرخ توهم در عامل‌های هوش مصنوعی از ۳۳.۷٪ به ۰.۶۷٪