Ailoxa Logo

🏷️ #التعلم الآلي

766 مقال

الثورة في النماذج المتكافئة: تحقيق دقة غير مسبوقة في تنبؤات الذكاء الاصطناعي!
أبحاث

الثورة في النماذج المتكافئة: تحقيق دقة غير مسبوقة في تنبؤات الذكاء الاصطناعي!

أركايف للذكاءمنذ 1 شهر
👁 1
ابتكار ثوري: خوارزمية ذات دقة متعددة لتحسين كفاءة التعلم الآلي في الكيمياء الكمومية
أبحاث

ابتكار ثوري: خوارزمية ذات دقة متعددة لتحسين كفاءة التعلم الآلي في الكيمياء الكمومية

أركايف للذكاءمنذ 1 شهر
👁 1
ثورة التعلم الذاتي: متى يجب على المعلم التحرك لتحقيق الاستقرار؟
أبحاث

ثورة التعلم الذاتي: متى يجب على المعلم التحرك لتحقيق الاستقرار؟

أركايف للذكاءمنذ 1 شهر
👁 1
استراتيجيات بيانات متقدمة: كيف نحسن تحليل البقاء باستخدام التعلم الموجه نحو القرار؟
أبحاث

استراتيجيات بيانات متقدمة: كيف نحسن تحليل البقاء باستخدام التعلم الموجه نحو القرار؟

أركايف للذكاءمنذ 1 شهر
👁 1
ثورة في مكافحة الأخبار المزيفة: نظام CORE للكشف عن التلاعبات متعددة الوسائط
أبحاث

ثورة في مكافحة الأخبار المزيفة: نظام CORE للكشف عن التلاعبات متعددة الوسائط

أركايف للذكاءمنذ 1 شهر
👁 1
سر فعالية مسارات التفاعل في تدريب الوكلاء النهائيين: اكتشافات جديدة تثير الدهشة!
أبحاث

سر فعالية مسارات التفاعل في تدريب الوكلاء النهائيين: اكتشافات جديدة تثير الدهشة!

أركايف للذكاءمنذ 1 شهر
👁 1
ثورة جديدة في الذكاء الاصطناعي: تقييم تأثير التجارب الاجتماعية على تطور الوكلاء الذكيين
أبحاث

ثورة جديدة في الذكاء الاصطناعي: تقييم تأثير التجارب الاجتماعية على تطور الوكلاء الذكيين

أركايف للذكاءمنذ 1 شهر
👁 1
تحسين دقيق باستخدام أسلوب Stiefel لبيانات PPLS: تحديثات مغلقة، حدود خطأ، وعدم يقين مُعتمد
أبحاث

تحسين دقيق باستخدام أسلوب Stiefel لبيانات PPLS: تحديثات مغلقة، حدود خطأ، وعدم يقين مُعتمد

أركايف للذكاءمنذ 1 شهر
👁 1
اكتشاف YOLO26: نموذج الرؤية المتكاملة القادر على التشغيل الفوري!
روبوتات

اكتشاف YOLO26: نموذج الرؤية المتكاملة القادر على التشغيل الفوري!

أركايف للذكاءمنذ 1 شهر
👁 1
إحداث ثورة في الذكاء الاصطناعي: إطار MIND لتحسين التفكير متعدد الرؤى في نماذج اللغات الضخمة!
أبحاث

إحداث ثورة في الذكاء الاصطناعي: إطار MIND لتحسين التفكير متعدد الرؤى في نماذج اللغات الضخمة!

أركايف للذكاءمنذ 1 شهر
👁 1
AUGUSTE: ثورة التعلم الإلكتروني في جدولة اتصالات الجيل الخامس الموثوقة
أبحاث

AUGUSTE: ثورة التعلم الإلكتروني في جدولة اتصالات الجيل الخامس الموثوقة

أركايف للذكاءمنذ 1 شهر
👁 1
تجاوز القيود الإضافية: كيفية تحسين استجابة نماذج reasoning الكبيرة للطلبات المتعددة!
نماذج لغوية

تجاوز القيود الإضافية: كيفية تحسين استجابة نماذج reasoning الكبيرة للطلبات المتعددة!

أركايف للذكاءمنذ 1 شهر
👁 1
اكتشاف CR-Seg: تقنية جديدة تعيد تعريف تقنيات تقسيم الأجسام باستخدام الذكاء الاصطناعي!
أبحاث

اكتشاف CR-Seg: تقنية جديدة تعيد تعريف تقنيات تقسيم الأجسام باستخدام الذكاء الاصطناعي!

أركايف للذكاءمنذ 1 شهر
👁 1
X-RAY: استكشاف قدرة نماذج اللغة في الاستدلال بطرق جديدة ومبتكرة
أبحاث

X-RAY: استكشاف قدرة نماذج اللغة في الاستدلال بطرق جديدة ومبتكرة

أركايف للذكاءمنذ 1 شهر
👁 1
اكتشفوا Holo3.1: وكلاء الكمبيوتر السريعين والمحليين في عالم الذكاء الاصطناعي!
أدوات

اكتشفوا Holo3.1: وكلاء الكمبيوتر السريعين والمحليين في عالم الذكاء الاصطناعي!

هاجينج فيسمنذ 1 شهر
تحسين الأداء الخفي: كيف يغير التفكير الكامن في نماذج الاستدلال!
أبحاث

تحسين الأداء الخفي: كيف يغير التفكير الكامن في نماذج الاستدلال!

أركايف للذكاءمنذ 1 شهر
👁 1
محددات تكيف نماذج اللغة الكبيرة: كيف تؤثر المعايير الداخلة على أداء المهام التوضيحية؟
أبحاث

محددات تكيف نماذج اللغة الكبيرة: كيف تؤثر المعايير الداخلة على أداء المهام التوضيحية؟

أركايف للذكاءمنذ 1 شهر
👁 1
تحقيق التوافق المتعدد الأهداف في نماذج اللغة: الابتكار الذي يغير قواعد اللعبة!
أبحاث

تحقيق التوافق المتعدد الأهداف في نماذج اللغة: الابتكار الذي يغير قواعد اللعبة!

أركايف للذكاءمنذ 1 شهر
👁 1
إعادة التعلم الذكي: كيف يمكن تحسين النماذج مع الحفاظ على الخصوصية؟
أبحاث

إعادة التعلم الذكي: كيف يمكن تحسين النماذج مع الحفاظ على الخصوصية؟

أركايف للذكاءمنذ 1 شهر
👁 1
تحفيز التعلم الفيدرالي متعدد النماذج: كيف يحسِّن FedMChain أداء الذكاء الاصطناعي؟
أبحاث

تحفيز التعلم الفيدرالي متعدد النماذج: كيف يحسِّن FedMChain أداء الذكاء الاصطناعي؟

أركايف للذكاءمنذ 1 شهر