محققان به تازگی چارچوب نوآورانه‌ای به نام SOReL و TOReL را معرفی کرده‌اند که مشکل بزرگ «نیاز به تعاملات آنلاین» را در یادگیری تقویت‌شده…

بیشتر ابزارهای فعلی برای یادگیری تقویتی ایمن (Safe RL) روی رباتیک متمرکز هستند، اما دنیای واقعی پیچیده‌تر از این حرف‌هاست. حالا محققان با معرفی…

محققان در مقاله جدیدی به بررسی دقیق فرآیند نمونه‌برداری در مدل‌های «Score-based Diffusion» پرداختند. این مطالعه با استفاده از تحلیل دیورژانس KL، نشان می‌دهد…

بزرگترین چالش در آموزش مدل‌های هوش مصنوعی از طریق بازخورد انسانی (RLHF)، خطاهای احتمالی لیبل‌زن‌ها یا همان انسان‌های ناظر است. اما محققان در یک…

محققان در پژوهشی جدید، مفهوم «شکاف بنچمارک» (Benchmarking Gap) را معرفی کرده‌اند که نشان می‌دهد بسیاری از مدل‌های زبانی بزرگ (LLM) که در آزمون‌های…

محققان در دستاوردی جدید، مدل هوشمند «TFormerEEG» را معرفی کرده‌اند که می‌تواند سیگنال‌های مغزی (EEG) را برای هدایت صندلی‌های چرخ‌دار به دقت ترجمه کند.…

مدل‌های یادگیری گراف زمانی (Temporal Graph Learning) این روزها عملکرد درخشانی در بنچمارک‌ها دارند، اما آیا واقعاً ویژگی‌های اصلی داده‌ها را درک می‌کنند؟ محققان…

یکی از بزرگترین چالش‌های هوش مصنوعی، یادگیری دانش جدید بدون فراموش کردن آموخته‌های قبلی (یادگیری مداوم) است. محققان به تازگی چارچوب «Mixtures of SubExperts»…

محققان در پژوهشی جدید، روشی نوآورانه برای بهبود عملکرد «معادلات دیفرانسیل عصبی» (Neural ODE) ارائه کرده‌اند. چالش اصلی در مدل‌سازی سیستم‌های آشوب‌ناک (مثل تغییرات…

محققان در مقاله جدیدی، معماری نوآورانه «PRISM» را معرفی کرده‌اند که به جای تکیه صرف بر بزرگی وزن‌ها (Magnitude)، از «فاز» امواج برای پردازش…