موضوع
Models that natively process text+image+audio+video
۴۰۳ مقاله منتشر شده
معماری LoopVLA با معرفی مفهوم «یادگیری کفایت»، نیاز به پردازش در تمام لایههای عمیق مدلهای VLA را حذف کرده است. این رویکرد منجر به کاهش ۴۵ درصدی پارامترها و افزایش ۱.۷ برابری…
بنچمارک جدید KnotBench نشان میدهد مدلهای پیشرو در استدلال دیاگرامی گرهها، عملکردی نزدیک به حدس تصادفی دارند. این مطالعه یک «شکاف ادراکی-عملیاتی» حیاتی را شناسایی کرده است که در…
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…
هوش مصنوعی از یک ابزار کمکی به عاملهای خودکاری تبدیل شده که قادر به تکثیر سریع و حتی بازنویسی درایورهای سیستم هستند. این تحول، معماری مراکز داده را به سمتی میبرد که در آن…
Interfaze یک معماری ترکیبی جدید است که دقت شبکههای عصبی قدیمی را با انعطافپذیری ترنسفورمرها ادغام کرده است. این مدل در وظایف قطعی مانند OCR و تبدیل گفتار به متن، مدلهای Mini…
مدل HappyHorse 1.0 با جایگزینی مدلهای انتشار با یک ترنسفورمر یکپارچه، ویدیوهای 1080p و صدای هماهنگ را در یک مرحله تولید میکند. این معماری جدید باعث شده تا این ابزار در…
آنتروپیک مدل Claude Opus 4.7 را با تمرکز بر کنترل دقیق عاملهای خودکار و بینایی با رزولوشن بالا معرفی کرد. با وجود ثابت ماندن قیمت هر توکن، تغییر در توکنایزر باعث افزایش هزینههای…
استارتاپ Wispr Flow با عرضه مدل صوتی مخصوص «هینگلیش» و کاهش شدید قیمتها، رشد ماهانه ۱۰۰ درصدی را در هند تجربه کرده است. این شرکت در تلاش است تا با پذیرش حجم بالای کاربر در برابر…
شرکت Anodos با طراحی یک خط لوله صوتی تخصصی، مشکل ثبت یادداشت در محیطهای پرصدا را حل کرد. آنها با اولویت دادن به سرعت پاسخدهی و لایههای اصلاحی کوچک به جای مدلهای غولپیکر،…
اپل در حال آزمایش ایرپادهایی با دوربینهای داخلی است که به جای عکاسی، به Siri قدرت بینایی میبخشند. این گجتها که احتمالاً در سپتامبر ۲۰۲۶ عرضه میشوند، نقطه عطفی در تبدیل هوش…
اپل در حال آزمایش ایرپادهایی با دوربینهای کمکیفیت است تا هوش مصنوعی را با محیط اطراف شما هماهنگ کند. این تغییر، هدفش ثبت تصویر نیست، بلکه تبدیل کردن سیری به دستیاری است که…
مدل جدید Driver-WM با تحلیل ترافیک محیطی، وضعیت احساسی و رفتاری راننده را پیشبینی میکند. این فناوری به سیستمهای خودران L2/L3 کمک میکند تا در لحظات حساس انتقال کنترل، واکنشهای…