موضوع
Models that natively process text+image+audio+video
۱٬۳۳۳ مقاله منتشر شده
مدل MedSynapse-V با جایگزینی توکنبندی گسسته با سیستم حافظه پنهان، توانسته است «شهود بالینی» را در تشخیصهای پزشکی شبیهسازی کند. این چارچوب در دقت تشخیص، عملکردی بهمراتب برتر از…
پژوهشگران چارچوب SeeCo را معرفی کردند؛ سیستمی که بدون نیاز به آموزش مجدد و هزینهبر، خطاهای معنایی مدلهای سنجش از دور را در لحظه استنتاج اصلاح میکند. این ابزار با استفاده از…
مایکروسافت با معرفی Phi-4-mini-instruct، مدلی با ۳.۸ میلیارد پارامتر عرضه کرد که در ریاضیات و استدلال، رقبای دو برابر بزرگتر خود را شکست میدهد. این مدل با پنجره بافت ۱۲۸ هزار…
مایکروسافت با معرفی Magma-8B، مرز میان مدیریت رابط کاربری و کنترل رباتیک را از بین برد. این مدل چندوجهی با وزنهای باز، در بسیاری از بنچمارکها از GPT-4V پیشی گرفته و عصر مدلهای…
مایکروسافت با معرفی OmniParser V2، سرعت پردازش رابط کاربری را ۶۰٪ افزایش داد. این ابزار به عاملهای هوشمند اجازه میدهد بدون نیاز به کد، هر نرمافزاری را تنها با دیدن تصویر کنترل…
مدل متنباز Wan2.1 با شکستن انحصار مدلهای تجاری، تولید ویدیوهای باکیفیت را روی کارتهای گرافیک معمولی ممکن کرده است. این ابزار با نیاز به حافظه گرافیکی بسیار کم، استانداردهای…
Kijai با تجمیع مدلهای پراکنده WanVideo در یک مخزن واحد، سد ورود به دنیای تولید ویدئوی محلی را شکست. این اقدام دسترسی به مدلهای کوانتیزه شده از ByteDance و Alibaba را برای…
مدل جدید علیبابا با ۲۷ میلیارد پارامتر، مدل غولپیکر ۳۹۷ میلیاردی предшеل خود را در بنچمارکهای کدنویسی شکست داد. این دستاورد ثابت میکند که بهینهسازی معماری بر حجم عظیم دادهها…
مؤسسه Allen AI مدل olmOCR را برای استخراج ساختاریافتهی متن از تصاویر اسناد معرفی کرد. این مدل با وزنهای باز، جایگزینی قدرتمند و محلی برای سرویسهای تجاری OCR است که پردازش انبوه…
مایکروسافت با معرفی Phi-4-multimodal-instruct، مدلهای غولآسای صوتی را به چالش کشید. این مدل ۵.۶ میلیارد پارامتری با ترکیب متن، تصویر و صوت در یک شبکه واحد، رکورد جدیدی در دقت…
تیم Wan در ۲۲ فوریه ۲۰۲۵ مدلهای Wan2.1 را منتشر کرد که ادعای برتری نسبت به رقبای بسته را دارد. این مجموعه شامل یک مدل پرچمدار ۱۴ میلیارد پارامتری و یک مدل سبک ۱.۳ میلیارد…
برای اولین بار، یک هوش مصنوعی مسیر حرکت یک کاوشگر مریخی را طراحی کرد. این اقدام باعث کاهش ۵۰ درصدی حجم کاری مهندسان ناسا شده و مسیر را برای ماموریتهای خودگردان آینده هموار میکند.