ادغام ۷۰ ابزار تخصصی ادوبی در محیط چت ChatGPT
ادوبی با عرضه یک پلاگین جامع، دسترسی به بیش از ۷۰ ابزار طراحی حرفهای را مستقیماً به محیط ChatGPT آورد. این اقدام تلاشی برای پیوند دادن هوش مصنوعی محاورهای با کنترل دقیق پیکسلها…
۳ دقیقه خواندن۲
موضوع
چندوجهی
Models that natively process text+image+audio+video
۱٬۳۵۶ مقاله منتشر شده
پژوهش NIDDK: خطای ۳۴۵ کالری در تخمینهای اپلیکیشنهای AI
مطالعهای در سال ۲۰۲۶ نشان میدهد اپلیکیشنهای محبوب ردیابی غذا، کالری و چربیها را بهطور سیستماتیک کمتر از مقدار واقعی تخمین میزنند. این نقص به دلیل ناتوانی مدلهای بینایی در…
۸ دقیقه خواندن۳
«حذف فیلترهای دستی»؛ هدف جدید گوگل از ادغام Gemini در نقشهها
گوگل قابلیت Ask Maps را به ۱۳۰ کشور گسترش داد تا کاربران بتوانند از طریق گفتگو، کارهای پیچیدهای مثل رزرو هتل و سفارش غذا را انجام دهند. این تغییر، هدف تبدیل نقشهها از یک ابزار…
۳ دقیقه خواندن۳
شبکه ۷۶۸ پیکسلی: راهکار گوگل برای بهینهسازی توکنهای بصری Gemini
گوگل در API مدل Gemini از منطق کاشیبندی (Tiling) برای پردازش تصاویر استفاده میکند که میتواند هزینهها را بهشدت کاهش دهد. توسعهدهندگان با تنظیم ابعاد تصاویر روی شبکه ۷۶۸…
۹ دقیقه خواندن
معماری GPT Image 2: ۳ لایه نظارتی برای مسدودسازی پرامپتهای پرتره
مدل GPT Image 2 بهجای تکیه بر کلمات کلیدی ممنوعه، از یک طبقهبند چندوجهی سهلایه برای نظارت بر تصاویر چهره استفاده میکند. این معماری باعث میشود یک پرامپت بسته به عکس مرجع…
۶ دقیقه خواندن
ShadowSocial با صفبندی حافظه هزینهٔ RAM مدلهای هوش مصنوعی را حذف کرد
پلتفرم ShadowSocial.io با پیادهسازی سیستمی برای بارگذاری پویا، مدلهای هوش مصنوعی را تنها در زمان اجرای تسک فعال میکند. این رویکرد با حذف حافظهٔ بلااستفاده (Idle RAM)، هزینههای…
۲ دقیقه خواندن۱
ShadowSocial با صفبندی پویا هزینهٔ RAM هوش مصنوعی را به صفر رساند
پلتفرم ShadowSocial.io با پیادهسازی یک سیستم صفبندی پویا، مدلهای هوش مصنوعی را تنها در زمان پردازش فعال در حافظه بارگذاری میکند. این معماری با حذف مصرف RAM در زمانهای بیکاری،…
۲ دقیقه خواندن۲
محدودیتهای تولید تصویر ChatGPT بر اساس بار سرور و وصلههای امنیتی تغییر میکند
نسخه ۲.۰ تصاویر ChatGPT حالت «تفکر» را برای مشترکان معرفی کرد، اما سقف تولید تصاویر همچنان پنهان و پویا است. کاربران با محدودیتهای پیشبینیناپذیر و اعوجاج چهره در تصاویر…
۷ دقیقه خواندن۳
ابزار تشخیص Treblo: آهنگ شماره ۵۸ بیلبورد توسط هوش مصنوعی ساخته شد
شرکت Treblo با انتشار یک ابزار طبقهبندی، ادعا کرد آهنگ hit اثر Fenix Flexin کاملاً مصنوعی است. این یافته اولین مورد تأییدشده از ورود یک اثر تولیدشده توسط هوش مصنوعی به فهرست Hot…
۲ دقیقه خواندن
دسترسی مستقیم به OS در برابر محدودیتهای Sandbox مرورگر
توسعهدهندگان با استفاده از افزونههای بومی C++ در Node.js، عاملهای هوش مصنوعی را از محدودیتهای مرورگر خارج کردهاند تا کنترل مستقیم سیستمعامل داشته باشند. این تغییر معماری به…
۱۲ دقیقه خواندن۲
مدل Shieldstral میسترال با ۳ میلیارد پارامتر رقیبهای ۷ برابری خود را شکست داد
شرکت میسترال مدل Shieldstral را منتشر کرد؛ یک طبقهبندیکننده ایمنی با وزنهای باز که به جای دستهبندیهای سخت، از پرسشهای متنی برای نظارت بر محتوا استفاده میکند. این مدل…
۴ دقیقه خواندن۱
ناومی باشکانسکی از OpenAI جدا شد تا رابطهای «سخنناپذیر» مغز را بسازد
ناومی باشکانسکی، پژوهشگر سابق OpenAI، به استارتآپ Conduit پیوست تا مدلهای تبدیل فکر به متن را توسعه دهد. هدف این شرکت جایگزینی پرامپتهای متنی با دادههای عصبی غیرتهاجمی برای…
۹ دقیقه خواندن۱