محققان در یک پژوهش تازه، رویکردی نوآورانه برای بهبود یادگیری کنتراستی (Contrastive Learning) ارائه داده‌اند. این روش با ترکیب «پیش‌بینی همدیس» (Conformal Prediction)، مجموعه‌های…

محققان در پژوهشی جدید، روشی بهینه برای تولید «داده‌های مصنوعی» (Synthetic Data) معرفی کرده‌اند که می‌تواند انقلابی در آموزش مدل‌های یادگیری ماشین ایجاد کند.…

محققان در یک گزارش بازبینی‌شده از یک مقاله علمی، به نتایج جالبی درباره چگونگی درک «اولویت‌های انسانی» (Human Preference) توسط مدل‌های Looped Transformer دست…

محققان در یک پژوهش جدید، با استفاده از مدل‌های پیشرفته یادگیری ماشین (GW-XGBoost)، به بررسی دقیق تأثیر ساختار شهر بر میزان گرمای احساسی توسط…

محققان در پژوهش جدیدی مدل «NORACL» را معرفی کرده‌اند که با الهام از «نوروژنز» (رشد عصبی) در طبیعت، مشکل سنتی پایداری و انعطاف‌پذیری در…

محققان در مطالعه‌ای جدید به بررسی یکی از مشکلات اساسی مدل‌های یادگیری ماشین در شناسایی بدافزارهای اندرویدی پرداخته‌اند: «تغییر دامنه» (Domain Shift). این پدیده…

محققان در مطالعه‌ای جدید به یک چالش مهم در دنیای AI پی برده‌اند: مدل‌های زبانی در «مدل‌سازی» ساختار مسائل بهینه‌سازی خوب عمل می‌کنند، اما…

محققان در مطالعه‌ای جدید، چارچوب یادگیریِ تطبیقی به نام «Grow-Prune-Freeze» (GPF) را معرفی کرده‌اند که به ربات‌ها اجازه می‌دهد در محیط‌های پویا و پیچیده،…

محققان در مطالعه جدیدی به بررسی اثرات ابعاد داده‌ها در تحلیل‌های پیچیده (مانند بررسی چرخه‌های سود خطوط هوایی) پرداخته‌اند. این پژوهش نشان می‌دهد که…

محققان در یک دستاورد جدید، روش نوآورانه‌ای به نام «GoodQ» را برای کوانتیزاسیون (Quantization) مدل‌های تشخیص اشیاء معرفی کرده‌اند. این تکنیک به مدل‌ها اجازه…