بررسی ۲۰۲۶: برتری بصری Midjourney در مقابل دقت پرامپت DALL-E 3
مقایسهای در سال ۲۰۲۶ نشان میدهد Midjourney همچنان در کیفیت بصری برای طراحان پیشتا است، اما DALL-E 3 در دقت اجرای پرامپت و ادغام با گردش کار ChatGPT برنده شده است.
۲ دقیقه خواندن۱
موضوع
چندوجهی
Models that natively process text+image+audio+video
۱٬۳۴۷ مقاله منتشر شده
موفقیت ۳۱ درصدی ASPIRE در اجرای تکالیف پیچیده روباتیک
انویدیا با معرفی چارچوب ASPIRE، امکان نوشتن، عیبیابی و ذخیرهسازی برنامههای کنترلی را برای روباتها فراهم کرد. این سیستم با تبدیل شکستها به مهارتهای قابل بازگشت، نرخ موفقیت در…
۵ دقیقه خواندن
یک عکس کافی است؛ ابزار شناسایی حشرات با هوش مصنوعی منتشر شد
یک توسعهدهنده ابزاری مبتنی بر هوش مصنوعی برای شناسایی سریع حشرات و عنکبوتها تنها از طریق یک عکس طراحی کرده است. این پروژه نشان میدهد که موفقیت یک محصول AI در گرو تعادل میان دقت…
۲ دقیقه خواندن
گزارش فنی: استخراج دادههای بصری از سلفیها در قالب داشبوردهای تحلیلی
یک تکنیک جدید در مهندسی پرامپت به ChatGPT اجازه میدهد تا با تحلیل سلفیها، گزارشهای بصری دقیقی از «برداشت اول» افراد تولید کند. این فرآیند عکسهای ساده را به داشبوردهای تحلیلی…
۲ دقیقه خواندن
«جایگزینی متن با تصویر»؛ راهبرد pxpipe برای بهینهسازی توکنها
پراکسی محلی جدیدی به نام pxpipe با تبدیل متون حجیم به تصاویر، هزینههای ورودی مدلهای Claude را بهشدت کاهش میدهد. این روش از هزینه ثابت توکنهای تصویری برای انتقال حجم زیادی از…
۱۰ دقیقه خواندن۲
پشتپرده اسکنر پزشکی Midjourney: سختافزارهای دستساز و فقدان اثبات علمی
شرکت Midjourney از پیشنمونه اسکنر سونوگرافی خود رونمایی کرد که از قطعات دستساز و سختافزارهای مصرفی ساخته شده است. با وجود نمایشهای تبلیغاتی، این شرکت هنوز هیچ مدرک علمی برای…
۲ دقیقه خواندن
طراحی جدید روبین انویدیا مصرف آب مراکز داده را کاهش میدهد
انویدیا با معرفی معماری روبین، استراتژی خنکسازی مراکز داده را تغییر داد تا با افزایش دمای عملیاتی، مصرف آب را بهشدت کاهش دهد. این اقدام پاسخ مستقیم شرکت به فشارهای محیطزیستی و…
۵ دقیقه خواندن
Kling: جذب ۲ میلیارد دلار پیش از ورود به بازار سرمایه هنگکنگ
بخش هوش مصنوعی ویدئویی شرکت کوایشو (Kuaishou) با جذب سرمایهای کلان، اکنون آماده عرضه اولیه در بورس هنگکنگ است. این حرکت نشان میدهد چین از مرحله توسعه مدلها به سمت تجاریسازی…
۱ دقیقه خواندن
جایگزینی اشتراکات ماهانه با مدل اعتباری؛ کاهش هزینههای AI از ۱۲۰ دلار به
یک تولیدکننده محتوا با تجمیع پنج اشتراک مختلف در یک فضای کاری اعتباری، هزینههای ماهانه خود را از ۱۲۰ دلار به مدل پرداخت بهازای مصرف تغییر داد. این تغییر علاوه بر حذف هزینههای…
۲ دقیقه خواندن۲
ساختار بلوکی RAG-Anything: پایان بازی با متون تخت در بازیابی دادهها
یک راهنمای کاربردی جدید نشان میدهد چگونه میتوان با استفاده از RAG-Anything، سیستمی ساخت که همزمان متن، جداول مارکداون، معادلات LaTeX و تصاویر را بازیابی و تحلیل کند. این…
۱۲ دقیقه خواندن
حذف فریمهای تکراری؛ راهکار claude-real-video برای تماشای ویدیو توسط مدلهای
ابزار متنباز جدیدی عرضه شده است که به مدلهای زبانی اجازه میدهد بهجای نمونهبرداری خشک از فریمها، تنها تغییرات معنادار صحنه را «ببینند». این سیستم با اجرای محلی و حذف…
۴ دقیقه خواندن
Gizmo: زیرساختی برای تبدیل پرامپت به بازیهای تعاملی در اپلیکیشن Pocket
متا اپلیکیشن Pocket را برای ساخت بازیهای تعاملی و برنامههای کوچک با استفاده از هوش مصنوعی زاینده عرضه کرد. این ابزار که بر پایه فناوری Gizmo ساخته شده، فاصله بین ایده و اجرای یک…
۲ دقیقه خواندن