محققان در مطالعه‌ای جدید نشان دادند که چگونه می‌توان با ترکیب یادگیری ماشین و روش‌های نمادین، قدرت اثبات‌کننده‌های خودکار را افزایش داد. تکنیک جدیدی…

محققان در یک تحقیق جدید به بررسی چالش کالیبراسیون در رابط‌های مغز و کامپیوتر پرداخته‌اند. هدف این است که مدل‌های هوش مصنوعی بتوانند سیگنال‌های…

محققان در مقاله‌ای تازه به سراغ «گرادیان خط‌مشی طبیعی» (Natural Policy Gradient) رفته‌اند که قلب تپنده الگوریتم‌های محبوبی مثل PPO و TRPO است. این…

تکنیک‌های یادگیری نظارت‌شده معمولاً برای تشخیص خطای ماشین‌آلات (MFD) به داده‌های برچسب‌دار نیاز دارند که در محیط‌های واقعی کمیاب هستند. محققان در تحقیق جدیدی،…

محققان در یک پژوهش تازه، روشی خلاقانه ابداع کرده‌اند که به جای انجام محاسبات تکراری در مسائل بهینه‌سازی (مانند مسئله فروشنده دوره‌گرد)، از نتایج…

محققان در مقاله جدید خود به سراغ یکی از مفاهیم پیچیده و مهم در آموزش شبکه‌های عصبی رفته‌اند: «فضای مسلط» (Dominant Subspace) در گرادیان‌ها.…

محققان در مقاله‌ای جذاب، مدل‌سازی مولد (Generative Modeling) را از دریچه جدیدی به نام «بازی‌های میدان‌میانگین» (Mean-Field Games) بازتعریف کرده‌اند. این رویکرد به ما…

محققان در تحقیق جدیدی به سراغ حل یکی از بزرگترین چالش‌های «یادگیری فدرال» (Federated Learning) رفته‌اند: چطور بدون به خطر افتادن حریم خصوصی کاربران،…

محققان به تازگی گام مهمی در بهبود «یادگیری تقویتی» (Reinforcement Learning) برداشته‌اند. در دنیای واقعی که با عدم قطعیت همراه است، مدیریت ریسک اهمیت…

اگر با اجرای مدل‌های سنگین هوش مصنوعی مثل Llama یا Mistral روی سخت‌افزارهای محدود درگیر هستید، این خبر برای شماست! محققان تکنیک جدیدی به…