وبلاگ تحقیقات هوش مصنوعی

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

۶۶ مقاله · به‌روزرسانی روزانه

arXiv:2608.28549ترجمه شده

User Safety: safe

Haosen Yang، Jifei Song، Zhensong Zhang، Xiatian Zhu و 1 نفر دیگر

رویکردهای ژنراتور اخیر برای تخمین هندسه، مدل‌های دیفوزن تصویر پیش‌آموزش‌دیده را تنظیم می‌کنند و وظیفه را به‌عنوان تولید مشروط به تصویر در نظر می‌گیرند. با استفاده از مدل‌های دیفوزن تصویر آماده‌استفاده، آن‌ها یا (i) به‌صو…

arXiv:2608.28541ترجمه شده

یک حالت بسته یک انتخاب کالیبر است: توپولوژی نسبت به دسترسی در مدل‌های جهانی کد معتبر

Javier Aguilar Martín

مدل جهانی که دروازهٔ نمونه‌برداری می‌پذیرد، می‌تواند در هر آنچه دروازه می‌بیند کاملاً درست باشد و فراتر از آن، به دلخواه، نادرست. ما ویژگی‌های آنچه را که یک مدل صادرشده می‌تواند بداند، و هزینهٔ خطاهای آن را، در شرایطی مش…

arXiv:2608.28475ترجمه شده

COVER: ارزیابی قابل شناسایی مسیریابی ائتلاف

Raghul Sugumar، Amrit Gopinath

هنگامی که یک سامانه چندعاملی، تیم‌بندی خود را تغییر می‌دهد، پیام‌ها و پاسخ نهایی تولیدشده توسط آن نیز تغییر می‌کند؛ بنابراین، اختلاف دقت سرتاسری (end-to-end) به‌تنهایی نمی‌تواند اثر مسیریابی (routing) را تشخیص دهد. ما یک…

arXiv:2608.28468ترجمه شده

مدارهای مجازی زمان واقعی برای کنترل شکل پلاسما از طریق simulationکننده‌های شبکه عصبی: نمایش تجربی بر روی MAST Upgrade

Nicola C. Amorisco، Kamran Pentland، Adriano Agnello، George K. Holt و 11 نفر دیگر

کنترل متعارف شکل پلاسما در توکامک‌ها به مدارهای مجازی (VCs) متکی است؛ این مدارها از طریق عددی‌سازی خطی‌سازی‌های اطراف، تعداد کمی از تعادل‌های مرجع سفارشی محاسبه می‌شوند و در زمان‌بندی‌های پیش‌تعریف‌شده توسط متخصص در طول…

arXiv:2608.28461ترجمه شده

بخش‌بندی آگاه به آناتومی با آموزش تعاملی آنلاین برای AUTOPET V

Pablo Lozano-Jimenez، Sergio Romero-Tapiador، Ruben Tolosana

ما یک مدل آناتومیک-آگاه، قابل مقیاس‌پذیر برای بخش‌بندی تظاهرات سراسر بدن در PET/CT FDG و PSMA ارائه می‌دهیم که برای چالش AUTOPET V طراحی شده است. روش پیشنهادی به‌صورت خانواده‌ای از مدل‌های مبتنی بر nnU-Net ساخته شده و در…

arXiv:2608.27454ترجمه شده

WikiSkill: جمع‌آوری تجربه‌های عامل به دانش پایدار برای تکامل مهارت

Liyan Tang، Cyrus Rashtchian، Chun-Sung Ferng، Andrew Tomkins و 2 نفر دیگر

بسته‌های مهارت، دانش تخصصی و گردش‌کارها را در منابع قابل استفاده مجدد بسته‌بندی می‌کنند که قابلیت‌های عامل‌های هوش مصنوعی را گسترش می‌دهد. پژوهش‌های اخیر این مهارت‌ها را به‌طور خودکار از تجربیات عامل‌ها استخراج می‌کنند و…

arXiv:2608.27449ترجمه شده

SWE-Prime: کم‌تر مسیرها، عملکرد بهتر

Dewu Zheng، Ruizhe Ye، Yanlin Wang، Yang Ye و 6 نفر دیگر

برای بهبود توانایی مدل‌های زبانی بزرگ در حل مسائل نرم‌افزاری واقعی، پژوهش‌های پیشین بر ساخت دیتاست‌های مسیر عامل (agent trajectory) در مقیاس بزرگ و انجام تنظیم دقیق نظارتی (SFT) بر مسیرهای موفق تمرکز کرده‌اند. با این حال…

arXiv:2608.27442ترجمه شده

از ایستا به پویا: معیارسنجی بازبینی کد واقعی با MCR-Bench

Dewu Zheng، Yanlin Wang، Xiwen Wang، Kefeng Duan و 4 نفر دیگر

در فرآیند توسعهٔ نرم‌افزارهای واقعی، مرور کد معمولاً شامل تعاملات تکرارشونده میان توسعه‌دهندگان و بازبینان برای ارتقای کیفیت نرم‌افزار است؛ فرآیندی که مستلزم صرف هزینه و زمان قابل‌توجهی است. اگرچه پژوهش‌های اخیر به بررسی…

arXiv:2608.27439ترجمه شده

User Safety: safe

Junjie Zhang، Hui Liu، Kecheng Chen، Xianbo Mo و 2 نفر دیگر

اهداف: - حفظ لحن آکادمیک و دقت فنی - حفظ فرمول‌های ریاضی، قطعات کد و ارجاعات ثابت (مانند [1]، (معادله ۲)) - استفاده از اصطلاحات فنی استاندارد فارسی - برای مخففات، حفظ مخفف انگلیسی در پرانتز پس از فارسی: «یادگیری ماشین (M…

مقالات منبع از arXiv cs.AI

به‌روزرسانی خودکار روزانه با جدیدترین تحقیقات هوش مصنوعی