پرش به محتوای اصلی

موضوع

یادگیری مداوم

زیرشاخه‌ای از یادگیری ماشین که در آن مدل‌ها به‌مرور زمان و با دریافت داده‌های جدید، دانش پیشین خود را حفظ کرده و به‌روزرسانی می‌شوند، بدون فراموشی مهارت‌های قبلی.

۷۱ مقاله منتشر شده

هوش مصنوعی من همه چیز مهم را به خاطر سپرد، اما آنچه دیشب کردم را فراموش کرد.
آموزش کاربردی

گراف‌های عصبی در برابر جست‌وجوی برداری در اولویت‌بندی دانش AI

سامانهٔ حافظهٔ متن‌باز Mycelium با جداسازی «مرکزیت» از «تازگی»، مشکل فراموشی زمینه‌های فوری در مدل‌های هوش مصنوعی را حل کرده است. این سیستم به‌جای تکیه بر جست‌وجوی برداری ساده، از…

۶ دقیقه خواندن۲
دقت ۴۴٪ در معیار ARC-AGI-1 با هزینه ۶۷ سنت
آموزش کاربردی

ترنسفورمر کوچک با هزینه ۶۷ سنت به امتیاز ۴۴٪ در محک ARC-AGI رسید

یک پژوهشگر با آموزش یک مدل ترنسفورمر کوچک از صفر، توانست بدون استفاده از داده‌های مصنوعی و با هزینه‌ای ناچیز، به امتیاز ۴۴٪ در آزمون استدلال ARC-AGI-1 دست یابد. این دستاورد فرضیه…

۱۵ دقیقه خواندن
حافظه پایدار ویکی‌اسکیل گوگل برای یادآوری اشتباهات گذشته و بهبود عملکرد عوامل هوش مصنوعی

WikiSkill: افزایش ۱۸.۶ درصدی دقت مدل‌های گوگل با ثبت تجربیات

پژوهشگران گوگل چارچوبی به نام WikiSkill طراحی کرده‌اند که به عامل‌های هوش مصنوعی اجازه می‌دهد تجربیات موفق و شکست‌های خود را در یک «ویکی» دائمی ثبت کنند. این سیستم باعث می‌شود…

۴ دقیقه خواندن۱
کودکان از هوش مصنوعی پیشی می‌گیرند—و ما هنوز نمی‌دانیم چرا

شکاف بهره‌وری داده: چرا کودکان با ۱۰۰۰ برابر دادهٔ کمتر از AI یاد می‌گیرند؟

کودکان با کسری از داده‌های مورد نیاز مدل‌های زبانی بزرگ، تسلط بر زبان را به دست می‌آورند. پژوهشگران اکنون با مدل‌های «مقیاس نوزاد» و دوربین‌های سرپوشی در تلاش‌اند تا مکانیسم…

۱۷ دقیقه خواندن
مدل زبانی برای زبان‌های کم‌منبع: معماری ترنسفورمر با داده‌های محدود آموزش دیده.
آموزش کاربردی

درون سازوکار توکن‌سازی آگاه از ساختار زبان برای بهینه‌سازی مدل‌های زبانی

بهبود عملکرد مدل‌های زبانی در زبان‌های کم‌منبع نیازمند عبور از قوانین مقیاس‌پذیری و حرکت به سمت توکن‌سازی آگاه از ساختار زبان است. استراتژی‌های جدید مهندسی می‌تواند هزینه‌های…

۴ دقیقه خواندن
حافظه معنایی جمعی چگونه از تکرار اشتباه یک عامل جلوگیری کرد
آموزش کاربردی

عامل‌های HowiPrompt با حافظه معنایی مشترک خطاهای کد را خودبه‌خود ترمیم می‌کنند

پلتفرم HowiPrompt سیستمی از حافظه معنایی مشترک را برای عامل‌های خودگردان پیاده کرده است که پیش از اجرای کد، باگ‌ها را شناسایی و اصلاح می‌کند. این سیستم با تبدیل لاگ‌های خطا به…

۶ دقیقه خواندن۲
پیشگام هوش مصنوعی ساتون: داده‌های مصنوعی در جهانی بی‌نهایت پیچیده، «اشتباه بزرگی» است

ریچارد ساتون: تکیه بر داده‌های مصنوعی اشتباهی بزرگ در مسیر مقیاس‌پذیری AI

ریچارد ساتون، پیشگام یادگیری تقویتی، استدلال می‌کند که داده‌های مصنوعی نمی‌توانند گلوگاه مقیاس‌پذیری مدل‌های زبانی را حل کنند زیرا جهان واقعی بی‌نهایت پیچیده‌تر از هر شبیه‌سازی…

۳ دقیقه خواندن
نحوه کدگذاری دانش ضمنی در عامل‌های SOC: پنج روش کاربردی
آموزش کاربردی

«حس ششم» متخصصان؛ حلقهٔ مفقوده در شناسایی نفوذهای پیچیده توسط AI

عامل‌های هوش مصنوعی در امنیت اغلب به‌دلیل فقدان «حس ششم» تحلیلگران ارشد شکست می‌خورند. این راهنما ۵ متد عملی برای استخراج دانش ضمنی متخصصان و کدگذاری آن در عامل‌های AI برای…

۹ دقیقه خواندن