دسته: مقالات علمی

محققان روشی نگران‌کننده به نام InferNet ابداع کرده‌اند که می‌تواند معماری داخلی مدل‌های هوش مصنوعی (مثل BERT یا Inception) را تنها با تحلیل فعالیت‌های…

یادگیری فدرال (Federated Learning) یکی از داغ‌ترین مباحث حوزه حریم‌خصوصی و هوش مصنوعی است، اما همیشه با یک مشکل بزرگ دست‌وپنج نرم کرده: تفاوت…

محققان در پژوهشی تازه، روش جدیدی به نام «بهینه‌سازی توزیعی مقاوم» یا DRO را معرفی کرده‌اند که می‌تواند مدل‌های اعتبارسنجی بانکی را منصفانه‌تر کند.…

محققان در مقاله‌ای جدید، چالش بزرگی در یادگیری تقویتی (Reinforcement Learning) را هدف قرار داده‌اند: افت عملکرد ربات‌ها در مواجهه با محیط‌های نامطمئن و…

محققان به تازگی در مقاله جدیدی، برای اولین بار موفق به ارائه تضمین‌های تئوریک برای الگوریتم‌های «یادگیری تقلیدی خصمانه» (AIL) در حالت Off-policy شده‌اند.…

محققان در یک پژوهش جدید، معمای «بیش‌برازش مقاوم» (Robust Overfitting) در آموزش‌های تقابلی (Adversarial Training) را بررسی کرده‌اند. این تیم با استفاده از مدل‌سازی…

محققان در یک پژوهش تازه، چارچوب جدیدی بر پایه «نظریه سیستم‌های دینامیکی» معرفی کرده‌اند که به ما کمک می‌کند بفهمیم چرا شبکه‌های عصبی عمیق…

محققان در یک پژوهش جدید، فریم‌ورک نوآورانه «PB-OEL» را معرفی کرده‌اند که به طور ویژه برای ارزیابی ایمنی بلادرنگ در سیستم‌های دینامیکی پیچیده طراحی…

دانشمندان روش جدیدی به نام «Bifidelity» برای تخمین پارامترها با استفاده از مدل‌های انتشار شرطی (Conditional Diffusion Models) معرفی کردند. در بسیاری از سیستم‌های…

یکی از بزرگ‌ترین چالش‌های دنیای هوش مصنوعی، نیاز به دیتاسنترهای فوق‌سریع و گران‌قیمت برای آموزش مدل‌های بزرگ است. اما حالا محققان روشی به نام…