استفاده از هوش مصنوعی در مدیریت شبکه‌های نوری بسیار حساس است، چرا که یک اشتباه کوچک می‌تواند پایداری کل شبکه را به خطر بیندازد.…

محققان به تازگی روشی نوآورانه به نام CEDAR (Causal Edge Discovery for Autoregressive Processes) را معرفی کرده‌اند که برای شناسایی روابط علت و معلولی…

محققان در مقاله‌ای تازه، به بررسی چگونگی سازمان‌دهی پیش‌بینی‌کننده در مدل‌های «استنتاج فعال» پرداخته‌اند. این پژوهش نشان می‌دهد که چگونه معماری شبکه (تقسیم‌بندی فضای…

اخیراً مقاله‌ای منتشر شده که پرده از یک خطای مهم در ارزیابی مدل‌های هوش مصنوعی (LLM) برمی‌دارد: «سوگیری موقعیتی» (Position Bias). طبق این پژوهش،…

محققان در مقاله جدیدی به بررسی یک معماری نوآورانه به نام «Memoir» پرداخته‌اند. ایده اصلی این است که آیا مدل‌های هوش مصنوعی می‌توانند در…

محققان در مقاله جدیدی به سراغ حل یکی از مشکلات قدیمی سیستم‌های مدیریت پروژه رفته‌اند: شکاف بین چیزی که برنامه‌ریزی می‌کنیم و کاری که…

محققان در مقاله جدیدی به بررسی یک چالش پنهان در «شبکه‌های عصبی گراف» (GNN) پرداختند که در سیستم‌های پیشنهادی استفاده می‌شوند. تا پیش از…

محققان در پژوهش جدیدی متوجه شدند که مدل‌های زبانی (LLMs) با وجود هوشمندی بالا، در یک نقطه ضعف مشترک دارند: آن‌ها در گفتگوهای طولانی…

محققان روش جدیدی به نام GaugeQuant ابداع کرده‌اند که بدون نیاز به داده‌های کالیبراسیون سنگین یا شبیه‌سازی‌های پیچیده، کوانتایزیشن (Quantization) مدل‌های ترنسفورمری مثل LLaMA-2…

محققان به تازگی در مقاله جدیدی به بررسی چالش جذابی در «بهینه‌سازی پارامتریک» پرداختند: اینکه چطور می‌توانیم با استفاده از داده‌های آفلاین، هزینه‌های محاسباتی…