یادگیری مداوم

چارچوب Neural Particle Automata (NPA) با جایگزینی شبکه‌های سخت‌افزاری با ذرات پویا، امکان یادگیری رفتارهای خودسازمان‌ده در محیط‌های نامنظم را فراهم می‌کند. این سیستم با استفاده از…

کیپرونو نگتیچ با تبدیل ویرایش‌های انسانی به داده‌های آموزشی برای مدل‌های محلی، یک سیستم خودبهبود ایجاد کرد. این رویکرد با اتوماسیون تنظیم دقیق بر اساس اصلاحات کاربر، دقت مدل را در…

پلتفرم EACI با تمرکز بر حافظه پایدار و تاریخچه مشترک، تلاش می‌کند رابطه‌ای انسانی‌تر میان کاربر و هوش مصنوعی ایجاد کند. برخلاف بات‌های متداول، این دستیاران می‌توانند گفتگو را آغاز…

یک چارچوب فنی جدید استدلال می‌کند که نگاه به حافظهٔ عامل‌های هوش مصنوعی به‌عنوان یک پایگاه‌داده، باعث شکست در یادگیری و فراموشی می‌شود. مدل پیشنهادی GEM تمرکز را از ذخیره‌سازی…

شرکت Perplexity سامانه حافظه جدیدی به نام Brain معرفی کرد که به‌جای اولویت دادن به سلایق کاربر، تاریخچه کاری عامل‌ها را یاد می‌گیرد. این سیستم با ساخت گراف زمینه در بازه‌های زمانی…

اوپن-ای-آی سیستم حافظه ChatGPT را به نسخه Dreaming V3 ارتقا داد تا پرونده‌ای دائمی از کاربران بسازد. با وجود افزایش کارایی، این سیستم ممکن است با تکیه بر داده‌های قدیمی، تصویری…

شرکت Orcool با معرفی یک سرور مبتنی بر پروتکل زمینهٔ مدل (MCP)، امکان تبدیل داده‌های خام بازار به طرح‌های تبلیغاتی اثرگذار را فراهم کرد. این سیستم با دیجیتالی کردن قضاوت‌های…

یک راهنمای فنی جدید روش ساخت سامانه‌های چندعاملی را آموزش می‌دهد که در آن عامل‌ها با استفاده از یادگیری تقویتی، استراتژی‌های خود را بهینه می‌کنند. این سیستم با ترکیب asyncio و…

پژوهشگران انویدیا و دانشگاه‌های برکلی و کارنگی ملون سامانه‌ای به نام ENPIRE ساخته‌اند که در آن عامل‌های هوش مصنوعی به‌طور خودکار کدهای آموزشی ربات‌ها را می‌نویسند. این سیستم…

پژوهش جدیدی نشان می‌دهد حفظ ایزومتری پویا کلید جلوگیری از «زوال پلاستیسیته» در شبکه‌های عصبی است. بهینه‌ساز AdamO با هدف حفظ این وضعیت، امکان یادگیری مستمر بدون توقف یا فراموشی را…

پژوهشگران چارچوب LargeMonitor را معرفی کردند که با بهره‌گیری از مدل‌های بینایی و چندوجهی ثابت، رانش توزیع داده‌ها را در یادگیری مستمر بدون تکلیف تشخیص و تحلیل می‌کند. این سیستم…