
چرا هوش مصنوعی جایگزین برندهای سنتی ورزشکاران میشود؟
ویدیوهای ویروسی از ارلینگ هالند در جام جهانی ۲۰۲۶ نشان میدهند که طرفداران اکنون «داستانهای ساختگی» را به واقعیتهای مستند ترجیح میدهند. ورزشکاران در حال تبدیل شدن به پرسوناهای…
موضوع
Models that natively process text+image+audio+video
۸۷۶ مقاله منتشر شده

ویدیوهای ویروسی از ارلینگ هالند در جام جهانی ۲۰۲۶ نشان میدهند که طرفداران اکنون «داستانهای ساختگی» را به واقعیتهای مستند ترجیح میدهند. ورزشکاران در حال تبدیل شدن به پرسوناهای…

اوپنایآی دو مدل جدید API با تمرکز بر صوت معرفی کرد که یکی از آنها نسخهی بهینهی mini با قابلیت استدلال است. این بهروزرسانی با ارتقای مکانیزمهای کشینگ، تأخیر در پاسخدهی را…

ترکیب مدلهای زبانی با بینایی ماشین باعث انفجار توکنها و افزایش هزینهها میشود. Oxlo.ai با جایگزینی پرداخت توکنی با یک مدل قیمتگذاری ثابت برای هر درخواست، این چالش عملیاتی را…

یک متدولوژی جدید در مهندسی پرامپت، اولویت را از «سبک بصری» به «حقایق محصول» تغییر میدهد تا از تغییر ناخواسته لوگوها و برچسبها جلوگیری شود. این رویکرد با تفکیک جزئیات ثابت محصول…

اپلیکیشن Swipe Cleaner با استفاده از یادگیری ماشین محلی، فرآیند پاکسازی گالری عکس را خودکار کرده است. این ابزار با شناسایی عکسهای تکراری و تار بهصورت کاملاً دروندستگاهی، تضاد…

پروژه متنباز Riddle با ترکیب مدلهای بینایی و شبیهساز دستخط، تبلت reMarkable Paper Pro را به یک دفترچه خاطرات تعاملی تبدیل کرده است. این سیستم دستخط کاربر را میخواند و…

اپل در آخرین بتای iOS 27 امکان شخصیسازی سرعت و لحن صوتی سیری را فراهم کرد. این بهروزرسانی با افزودن کنترلهای دقیق، تلاش میکند تعامل با دستیار هوشمند را انسانیتر و طبیعیتر…

گوگل تنظیمات حریم خصوصی خود را بهروزرسانی کرده تا بتواند از عکسها، فایلهای صوتی و ویدیوهای آپلودشده کاربران برای آموزش مدلهای خود استفاده کند. کاربران برای جلوگیری از این روند…

استودیو Particle6 در حال ساخت فیلم بلند «Misaligned» با بازی شخصیت دیجیتالی تیکلی نورود است. این پروژه تلاش برای انتقال هوش مصنوعی از تبلیغات کوتاه به سینماست، هرچند منتقدان…

شرکت Photoroom جزئیات خط لوله دادههای مدل PRX 7B را افشا کرد. این استراتژی بر جایگزینی شرحهای کوتاه با توصیفات مفصل تولیدشده توسط مدلهای بینایی-زبانی تأکید دارد تا تنوع مفاهیم…

پژوهشکده هوش مصنوعی آلن (AI2) مدل olmOCR را معرفی کرد که با تبدیل PDFs پیچیده به Markdown و LaTeX، هزینههای عملیاتی را بهشدت کاهش میدهد. این مدل ۷ میلیارد پارامتری با استفاده…

نسخه ۰.۶.۰ کتابخانه LeRobot مدلهای جهانی (World Models) را معرفی کرد که به رباتها اجازه میدهد وضعیتهای آینده را پیشبینی کنند. این بهروزرسانی با افزودن API پاداش، شش محک…