
آیا رویکرد XM میتواند مشکل تاری مود را در رباتیک حل کند؟
رویکرد جدید مدلسازی اکتشافی (XM) با انتقال پیچیدگی از مرحله استنتاج به چرخه آموزش، مشکل «تاری مود» را حل کرده است. این تکنیک امکان تولید خروجیهای دقیق در یک گام را فراهم میکند…
موضوع
Models that natively process text+image+audio+video
۱٬۳۵۵ مقاله منتشر شده

رویکرد جدید مدلسازی اکتشافی (XM) با انتقال پیچیدگی از مرحله استنتاج به چرخه آموزش، مشکل «تاری مود» را حل کرده است. این تکنیک امکان تولید خروجیهای دقیق در یک گام را فراهم میکند…

انویدیا مدل استدلالی ۳۴ میلیارد پارامتری Alpamayo 2 Super را با مجوز تجاری منتشر کرد. این مدل بهعنوان یک «معلم» برای تولید دادههای آموزشی باکیفیت و زنجیرههای استدلالی برای…

مدل Kling 3.0 Pro با وجود رتبههای پایین در بنچمارکهای عمومی، بهدلیل پایداری بصری بالا، ابزاری گرانقیمت اما ضروری برای تدوینگران حرفهای است. این سرویس با یک سیستم اعتباری…

شبکه ESPN ابزاری مبتنی بر هوش مصنوعی را برای تحلیل حرکات بدنی بازیکنان و پیشبینی قدرت دستها در مسابقات WSOP ۲۰۲۶ معرفی کرد. بازیکنان حرفهای مدعیاند این سیستم به دلیل کمبود…

آزمونهای جدید ثابت میکند مدل MiniMax H3 با کمک تکنیک CPU offloading روی کارتهای گرافیکی ۱۲ گیگابایتی قابل اجراست. با Despite کیفیت بصری و صوتی بالا، سرعت تولید بسیار پایین است…

پلتفرم ShadowSocial.io با ادغام مدل چندوجهی Qwen-Max و پروکسی معکوس Caddy، تولید محتوای انبوه برای اینفلوئنسرهای مجازی را خودکار کرده است. این معماری با بهینهسازی توزیع رسانه و…

ابزار جدید و متنباز claude-real-video با جایگزینی نمونهبرداری یکنواخت با یک سیستم حذف تکرار چندکاناله، بهرهوری مدلهای زبانی در تحلیل ویدیو را بالا برد. این ابزار با حفظ لحظات…

بهروزرسانی جدید Suno ویرایشگر متن را بهبود بخشیده اما مرز سختگیرانهای میان پیشنویس متن و فایل صوتی ایجاد کرده است. تغییر کلمات در ادیتور باعث اصلاح اتوماتیک آهنگهای ضبطشده…

استارتاپ Intelligence با جذب سرمایه برای پلتفرم DesignArena، دادههای ترجیحی انسانی در زمینه زیباییشناسی را برای آزمایشگاههای پیشرو AI فراهم میکند. این شرکت با کمک ۵.۳ میلیون…

شرکت MiniMax مدل H3 را با وزنهای باز منتشر کرد تا برای نخستین بار یک مدل غیرانحصاری در صدر بنچمارکهای تولید ویدیو قرار گیرد. این مدل ۳۳ میلیارد پارامتری، ویدیوهایی با صدای…

گسترش تعاملات صوتی بلادرنگ با هوش مصنوعی، معماری دفاتر «باز» را به چالش کشیده است. تغییر الگوی کار از تایپ به گفتگو، نیاز به حریم صوتی و فضاهای اختصاصی برای صحبت را به یک ضرورت…

پلتفرم ShadowSocial.io معماری جدیدی برای مدیریت اینفلوئنسرهای هوش مصنوعی معرفی کرد که از طریق بهینهسازی حافظه و قفل کردن چهره، پایداری سیستم را در زمان ترافیک بالا تضمین میکند.…