برگزیده ها مشاهده همه ›
Hacker News LLM مشاهده همه ›
شرکتهای هوش مصنوعی مشاهده همه ›
مقالات علمی مشاهده همه ›
-
🤖 تغییر پارادایم در ایمنی هوش مصنوعی: فراتر از عدمقطعیت مدل
محققان در یک پژوهش جدید، رویکرد متفاوتی را برای ایمنسازی سیستمهای هوشمند پیشنهاد دادهاند که به جای تکیه بر «عدمقطعیت مدل» (Model Uncertainty)، بر…
-
🚀 انقلاب در خودکارسازی دادهها: معرفی پلتفرم DataFlow-Harness
آیا تا به حال فکر کردهاید که چطور میتوان از مدلهای زبانی برای ساخت خطلولههای (Pipelines) داده استفاده کرد که هم هوشمند باشند و…
-
🛡 عدالت در حریم خصوصی؛ معیاری جدید برای یادگیری ماشین!
محققان در پژوهشی تازه، مفهوم جدیدی به نام «نسبت برابری هزینه حریم خصوصی» (PCER) را معرفی کردهاند. این ابزار به ما کمک میکند تا…
-
🛠 بنچمارک جدید برای سنجش هوش مصنوعی در مهندسی سختافزار: CLOSER-Bench 💻
آیا عاملهای هوش مصنوعی (AI Agents) واقعاً در طراحی سختافزار موفق هستند؟ محققان بهتازگی بنچمارک جدیدی به نام CLOSER-Bench را معرفی کردهاند که فراتر…
-
🔍 تشخیص تردید در ویدیوها با کمک مدل هوش مصنوعی TellTale
تا حالا فکر کردید که هوش مصنوعی چطور میتونه حس «تردید» یا «دو دلی» یک فرد رو در ویدیو تشخیص بده؟ 🧐 محققان به…
-
🤖 حل مشکل «توهم» در مدلهای زبانی برای مسائل ریاضی!
یکی از چالشهای بزرگ مدلهای زبانی (LLM) هنگام حل مسائل بهینهسازی، این است که مدلها گاهی بدون هیچ هشداری کدهای اشتباه تولید میکنند. اما…
-
🔍 تفسیرپذیری هوش مصنوعی: مدل، تنها عامل تعیینکننده نیست! 🤖
آیا تا به حال به این فکر کردید که چطور مدلهای هوش مصنوعی تصمیم میگیرند؟ محققان در مقالهای جدید نشان دادند که «ثباتِ تفسیر»…
-
🛡️ آیا امنیت در انتخاب مدلهای هوش مصنوعی نادیده گرفته میشود؟
تحقیقات جدید نشان میدهد که بسیاری از توسعهدهندگان هنگام انتخاب و ادغام مدلهای زبانی (LLM) در پروژههای نرمافزاری، تمرکز اصلی خود را بر عملکرد،…
-
🧠 آموزش هوش مصنوعی از صفر: ساخت شبکه عصبی بدون کتابخانههای آماده!
همیشه استفاده از کتابخانههای بزرگ مثل PyTorch یا TensorFlow لذتبخش است، اما برای درک عمیق «درونِ» مدلها، هیچی مثل ساختن آنها از پایه نیست.…
-
🏥 پیشرفت چشمگیر هوش مصنوعی در تصویربرداری پزشکی با مدل OFD-Net
تشخیص بیماریها از روی تصاویر پزشکی به دقت بالایی نیاز دارد، اما محدودیت در دادههای برچسبگذاری شده همیشه یک چالش بزرگ بوده است. حالا…









