وبلاگ تحقیقات هوش مصنوعی

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

۱۳۰ مقاله · به‌روزرسانی روزانه

arXiv:2608.26095ترجمه شده

چارچوب بصری آگاهی وابستگی‌محور برای یادگیری مداوم چندحالته بدون نظارت پس از آموزش

Kaichen Li، Zhilin Zhu، Jianhao Huang، Zhengqin Lai و 6 نفر دیگر

در این مقاله، ما به بررسی یک وظیفه نوین به نام یادگیری ماشین چندمدلۀ بدون نظارت و پیوسته پس از آموزش (MU-CPT) می‌پردازیم که به مدل‌های MLLM امکان می‌دهد به طور مداوم از داده‌های بدون برچسب جریان‌دار تکامل یابند. روش‌های…

arXiv:2608.26090ترجمه شده

یافتن و استفاده از متغیرهای پنهان قابل تفسیر در یک مدل بنیادی نوترونی با خودکارگذارهای پراکنده

Raphaël Bonnet-Guerrini، Johann Ioannou-Nikolaides، Inar Timiryasov، Vincenzo Piuri

ما نخستین کاربرد تفسیر مکانیکی مبتنی بر رمزگشای تنک-خارجی را در فیزیک ذرات ارائه می‌دهیم. با بررسی یک مدل پایه‌ی نوترینو که بر داده‌های IceCube آموزش دیده و برای بازسازی جهت تنظیم شده است، مجموعه‌ای معتبر از مفاهیم فیزیک…

arXiv:2608.26088ترجمه شده

User Safety: safe

Evelyn Ma، Rama Kumar Pasumarthi، Kishwar Shafin، Mandar Sharma و 24 نفر دیگر

User Safety: safe

arXiv:2608.26083ترجمه شده

تجزیه ICON: توضیحات چندمتغیره سطح مفهوم برای نمایش‌های عمیق برای بررسی مدل

Roshan Prakash Rane، Marco Simnacher، Manuel Pfeuffer، Marc-Andre Schulz و 6 نفر دیگر

شبکه‌های عصبی عمیق اغلب از ارتباطات جعلی در داده‌های آموزشی خود بهره می‌برند؛ نقصی که با نام یادگیری میانبر شناخته می‌شود. روش‌های تبیین‌پذیری مبتنی بر مفهوم، برای شناسایی این میانبرها، با بررسی این پرسش عمل می‌کنند که آ…

arXiv:2608.26074ترجمه شده

گیتینگ پیش از تعهد: پیش‌بینی واگرایی قصد به‌منظور جلوگیری از شکست‌های تصمیم‌گیری پس از تعامل در رانندگی خودران

Cong Xu، Ravi Sankar

تفسیر نادرست قصد در طول تعاملات خودرو، به شکست‌های مکرر برنامه‌ریزی منجر می‌شود. ما یک لایهٔ تصمیم‌گیری را بررسی می‌کنیم که در آن یک ماژول قصد هدایت‌شونده با زبان، توصیف‌گرهای ساختاریافته را می‌خواند، یک امتیاز واگرایی ه…

arXiv:2608.26070ترجمه شده

پیشوند لغزان برای مقیاس‌پذیری کارآمد در زمان آزمون

Niklas Muennighoff، Zhengyang Wang، Zeyi Chen، Weijia Shi و 14 نفر دیگر

مقیاس‌دهی در زمان آزمون (test-time scaling) با بهره‌گیری از محاسبات اضافی در زمان آزمون، عملکرد مدل را بهبود می‌بخشد؛ برای نمونه، به مدل‌های زبانی اجازه می‌دهد هنگام حل یک مسئله، استدلال طولانی‌تری داشته باشند. از آنجا ک…

مقالات منبع از arXiv cs.AI

به‌روزرسانی خودکار روزانه با جدیدترین تحقیقات هوش مصنوعی