موضوع
Chain-of-thought, reasoning models (o-series, R-series), test-time compute
۶۱۲ مقاله منتشر شده
بنچمارک جدید PhysTool-Bench نشان میدهد پیشرفتهترین مدلهای چندوجهی در عبور از فراخوانی APIهای دیجیتال به مدیریت ابزارهای فیزیکی شکست میخورند. حتی مدل Gemini-3.1-Pro به دلیل…
چارچوب Dep-LLM با تقلید از استدلالهای روانپزشکی، تشخیص افسردگی را بدون نیاز به آموزش یا تنظیم دقیق مدل انجام میدهد. این سیستم با تحلیل چندعاملی و وزندهی بر اساس سطح اطمینان،…
معرفی روش Spatial-Omni برای ادغام صدای فضایی در مدلهای زبانی چندوجهی. این سیستم با استفاده از کدگذاری FOA، بدون نیاز به تغییر در رمزگذارهای صوتی اولیه، دقت مکانیابی صدا و…
پژوهشکران با معرفی تکنیک «بازیافت پرسوجو» در آموزش یادگیری تقویتشونده، مانع از هدررفت دادههای بدون واریانس شدند. این روش به یک مدل ۱.۷ میلیارد پارامتری اجازه داد تا در پاسخ به…
یک چارچوب جدید یادگیری تقویت عمیق با جایگزینی گامهای زمانی ثابت با رویدادهای گسسته، مشکل بازخورد تأخیری در تولید تراشهها را حل کرده است. این رویکرد منجر به افزایش محسوس بهرهوری…
یک بررسی فنی جدید استدلال میکند که بهرهوری در مدلهای زبانی بزرگ نتیجهی ترکیب بهینه داده، حافظه و محاسبات است، نه ترفندهای مجزا. این پژوهش نشان میدهد حافظه GPU، و نه قدرت…
پژوهشهای جدید نشان میدهد تلاش برای حذف کامل «نشت اطلاعات» در مدلهای مفهومی، مانع از عملکرد بهینه آنها میشود. با پذیرش نشت اطلاعات خوشخیم، مدلها میتوانند دقت خود را حفظ…
بنچمارک جدیدی به نام ImageTime توانایی مدلهای تولید تصویر را در حفظ سازگاری بصری و علّی در توالیهای زمانی چهار مرحلهای میسنجد. این ارزیابی با استفاده از GPT-5.5 بهعنوان داور،…
چارچوب جدید Bootstrapped Flow Q-Learning (BFQ) امکان تولید تکگامی کنشها را در یادگیری تقویتشده آفلاین فراهم میکند. این روش نیاز به فرآیندهای هزینهبر حذف نویز و شبکههای کمکی…
چارچوب Dmsh با استفاده از یادگیری تقویتشده، فرآیند تجزیه هندسی و تولید مشهای چهارضلعی را بهطور کامل خودکار میکند. این سیستم با بهرهگیری از سه عامل هماهنگ، نیاز به تنظیمات…
چارچوب NOVA با استفاده از رگرسیون نمادین، مدلهای ریاضی تفسیری از رفتار رانندگی انسان را مستخرج میکند. این سیستم با تکیه بر موتور Rust، دقتی بهمراتب بالاتر از مدلهای عصبی مبهم…
پژوهشی جدید ثابت میکند که الگوریتم تکرار سیاست خوشبینانه مونتکارلو (MC-O-PI) برای رسیدن به بهینگی نیازی به مقداردهی اولیه یکنواخت وضعیتها ندارد. این پیشرفت اجازه میدهد…