وبلاگ تحقیقات هوش مصنوعی

جدیدترین مقالات تحقیقاتی هوش مصنوعی از arXiv را کشف کنید — به‌روزرسانی خودکار روزانه برای پژوهشگران و علاقه‌مندان.

۱۲۶ مقاله · به‌روزرسانی روزانه

arXiv:2608.31118ترجمه شده

چه زمانی اندازه بزرگتر مفید است؟ یک مطالعه کنترل‌شده در مورد مقیاس LLM برای یادگیری انتولوژی

Hamed Babaei Giglou، Sören Auer، Jennifer D'Souza

تأثیر اندازه مدل‌های زبان بزرگ (LLM) بر عملکرد یادگیری متا همچنان به طور کامل مشخص نیست. ما یک ارزیابی کنترل‌شده از ۱۳ مدل متراکم و مدل‌های Mixture-of-Experts از نسل‌های Qwen3.5 و Qwen3.6، به همراه نسخه‌های اختصاصی GPT،…

arXiv:2608.31102ترجمه شده

آموزش پسین LLM به‌عنوان نگهداری قهوه‌ای‌میدان: نگاهی صنعتی به مهندسی داده‌انبار

Gopi Krishnan Rajbahadur، Amir M. Ebrahimi، Boyuan Chen، Ahmed E. Hassan

پسا‌آموزش صنعتی یک رژیم قهوه‌ای‌میدانی (brownfield) است. تیم‌ها یک نقطه‌بازرسی (checkpoint) از‌پیش‌مستقر را به ارث می‌برند و باید در چارچوب بودجه‌های ثابت محاسبات و ترکیب، بهبودهای هدفمندی اعمال کنند، بدون آنکه سایر قابل…

arXiv:2608.31097ترجمه شده

پیش‌بینی مقاومت سرمای تاک‌ها در مناطق مختلف از طریق نمایندگی‌های پنهان چندمدلی یادگرفته‌شده

William Solow، Paola Pesantez-Cabrera، Markus Keller، Lav Khot و 2 نفر دیگر

پیش‌بینی‌های دقیق روزانه سختی سرد در گیاهان خشک‌دار برای مناطق که در آن دماهای یخ‌زده می‌توانند به برشه‌های خاموش آسیب وارد کنند و عملکرد فصلی را کاهش دهند، حیاتی است. مدل‌های بیافیزیکی، هیبریدی و یادگیری عمیق موجود، وقت…

arXiv:2608.31082ترجمه شده

عوامل استدلال داده‌ای کارای توکن از طریق ساختاردهی تطبیقی داده‌های غیرساختاریافته

Milad Rezaei Hajidehi، Qitong Wang، Stratos Idreos

داده‌های ارزشمند در منابع بدون ساختار پنهان باقی می‌مانند: صفحات وب، گزارش‌ها، قراردادها، ثبت‌ها، تماس‌های درآمدی و فایل‌های PDF. نقطه عطف در هوش مصنوعی سازمانی، به‌کارگیری عوامل (agents) مدل زبانی بزرگ (LLM) است که بر ر…

arXiv:2608.28576ترجمه شده

یادگیری مرزی اندازه-وزن برای استنتاج با افزایش مصنوعی

Chengpiao Huang، Kaizheng Wang

داده‌های مصنوعی می‌توانند در شرایطی که داده‌های واقعی محدود هستند، به بهبود استنباط آماری کمک کنند. با این حال، استفاده نادرست از نمونه‌های مصنوعی به‌جای داده‌های واقعی، ممکن است منجر به سوگیری و نتایج غیرقابل اعتماد شود…

arXiv:2608.28557ترجمه شده

Blog: مطالعه بهینه‌سازها

Ruoran Xu

بهینه‌سازی شبکه‌های عصبی در سال‌های ۲۰۲۵-۲۰۲۶ دیگر به‌عنوان یک دنباله از ورژن‌های جدید Adam توصیف‌شده نیست. فضای طراحی از مختصات به ماتریس‌ها و لایه‌ها، از افق‌های آموزشی ثابت به سیاست‌های زمانی، و از قواعد به‌روزرسانی ر…

arXiv:2608.28553ترجمه شده

Logos: چارچوبی برای عامل روی گذرگاه بین‌فرآیندی

Hanzhang Jia، Liheng Zeng، Hao Cheng، Yi Gao و 1 نفر دیگر

سیستم‌های عامل مدرن قابلیت‌های خود را به صورت پویا در زمان اجرا مونتاژ می‌کنند. این ترکیب پویا اخیراً در چارچوب حساب دیفرانسیلی ترکیب‌پذیری فضایی به طور کامل مورد بررسی رسمی قرار گرفته است. در این چارچوب، یک قابلیت به عن…

مقالات منبع از arXiv cs.AI

به‌روزرسانی خودکار روزانه با جدیدترین تحقیقات هوش مصنوعی