ماردیبر آینده به جا می‌گذاریم

هر هفته می‌سنجد یک برند در پاسخ‌های هوش مصنوعی چند بار، در چه جایگاهی و با چه لحنی ظاهر می‌شود و کدام منابع ارجاع داده می‌شوند. برای بازار ترکیه ساخته شده است.

آنچه را توصیه می‌کنیم، اول بر خودمان اعمال می‌کنیم: humanizemy.ai، metegpt.com و سایت بررسی بر پایه‌ی پروتکل شواهد، mimoaitools.com.

یک LoRA کوچک را روی مدلی پایه و بدون تنظیم دستورپذیری آموزش می‌دهیم و آن را دور به دور اعمال می‌کنیم. متن هوش مصنوعی به زبان طبیعی انسان تبدیل می‌شود و عددها حفظ می‌شوند.

طبقه‌بندی که روی متن مولدهای دیده‌نشده و روی نوشتار دانشگاهی آزموده شده و نویسندگان غیرانگلیسی‌زبان را به‌اشتباه علامت نمی‌زند.

طبقه‌بند آکوستیکی که بدون نشت داده روی دو مجموعه‌داده‌ی مستقل آموزش دیده است. وقتی روی یک مجموعه آموزش دید، روی دیگری در 0.55 متوقف ماند؛ با منابع متنوع‌تر به 0.95 رسید.

هر اجرا را ممیزی می‌کند: هر مقداری که در پاسخ آمده باید در خروجی ابزاری دیده شود که خود عامل ننوشته است. شمارش و جمع روی فایل‌های محلی باید با یک فرمان محاسبه شود.

یک تغییر باید یا خطای شناخته‌شده‌ای را رفع کند یا بدون تغییر دادن هیچ نتیجه‌ای از توکن‌ها بکاهد. یک مجموعه‌ی لنگر نگه‌داشته‌شده جلوی بیش‌برازش به آزمون را می‌گیرد.

وظایف داده و شل به Qwen 27B dense، و وظایف وب و کد به Qwen 35B MoE می‌روند. خطاهای دو مدل کاملاً از هم جدا بود؛ آزمون از 40/47 به 47/47 رسید و توکن‌ها 10% کم شد.

وقتی مدل‌های باز آماده نتوانستند از دروازه عبور کنند، طبقه‌بند خودمان را آموزش دادیم. مثبت کاذب روی مقاله‌های دانشجویی از 16.7% به 0.5% کاهش یافت.

ماتریس خودشباهتی موسیقی را به متن آوردیم. متن LLM منسجم‌تر از متن انسانی از آب درمی‌آید و به سنجه‌های کلاسیک ارزش معناداری می‌افزاید.

آیا نویسنده‌ها شگفتی را مثل یک قوس موسیقایی می‌سازند؟ پاسخ، با کنترل دقیق، منفی است. سیگنال واقعی در سطح و یکنواختی است؛ سنجه‌ای که از حمله‌های بازنویسی جان به در می‌برد burstiness است.

آیا در یک بند دانشگاهی بازنویسی‌شده عددها، ارجاع‌ها و معنا حفظ می‌شوند؟ جمله به جمله می‌سنجیم. یک لایه‌ی حفاظت از ارجاع، جعل را حدود 30% کاهش داد.

مدلی که روی یک مجموعه آموزش دید، روی مجموعه‌ی دیگر در 0.55 متوقف ماند. افزایش داده این شکاف را نبست؛ منبعی دوم و متفاوت، روی هر دو مجموعه 0.95 و 0.97 داد.

لایه‌های آکوستیک، جهت، مجاورت، RF غیرفعال و بینایی با noisy-OR ترکیب می‌شوند. در این سناریو، وقتی آکوستیک از دست داد، RF جای آن را گرفت و راستای شمال‌شرقی 45° را داد.

Çelikkubbe و برنامه‌ی استارتاپی، سپس TÜBİTAK و SAHA، سپس SSB (سازمان صنایع دفاعی ترکیه). جایگاه: یک حسگر تشخیص و هشدار. خنثی‌سازی بر عهده‌ی یکپارچه‌سازهای مجاز می‌ماند.

دستیاری که تماس‌های ورودی هتل‌ها را به ترکی استانبولی پاسخ می‌دهد. به تماس‌گیرنده گوش می‌دهد، درخواست او را ثبت می‌کند و خلاصه‌ی تماس را به پذیرش می‌رساند.

دستیاری ترکی‌زبان که کاملاً محلی اجرا می‌شود: پیام می‌گیرد، تماس‌های بعدی و قرارها را زمان‌بندی می‌کند و به پرسش‌های رایج پاسخ می‌دهد. مشاوره‌ی حقوقی نمی‌دهد. ضبط و خلاصه به تیم می‌رسد.

به‌طور پیش‌فرض پیام متنی می‌دهد؛ بخواهید، سلفی یا پیام صوتی می‌فرستد و با «یکی دیگر با همان لباس» لباس همان می‌ماند. محیط پیرامونش با ساعت روز عوض می‌شود.

گفت‌وگو، داستان‌ها، ساختن شخصیت دلخواه و یک اسکلت تماس صوتی. از ابتدا تا انتها با لمس‌های واقعی در شبیه‌ساز راستی‌آزمایی شده است.

یک مختصات شخصیتی که از انتخاب‌های کاربر شکل می‌گیرد، به‌علاوه‌ی 24 بسته‌ی فرهنگی. در آزمون، انحراف کلیشه‌ای 0% بود و جداسازی میان خوشه‌ها 100%.

صدای هر شخصیت از کارت شخصیتش استخراج می‌شود و با همان صدا سخن می‌گوید. یک دستور ساخت یکسان در اپلیکیشن و روی سرور دقیقاً همان نتیجه را می‌دهد.

آرای واقعی در سطح کمیته از سه انتخابات، 180 پرسونای عضو و هسته‌ای که از هیچ LLM استفاده نمی‌کند. نتیجه‌ی واقعی کرسی‌ها در دو انتخابات گذشته (38/66 و 51/68) در بازه‌ی 90% مدل قرار گرفت.

شبیه‌سازی رأی‌دهندگان ساخته‌شده از هزاران پرسونا. با بهبود پروتکل، خطای آلانیا 2024 از 6.7 به 4.1 امتیاز رسید. روی هفت جفت انتخابات ملی بک‌تست شده است.

هزینه‌های راه‌اندازی و بهره‌برداری با منبع برای چهار مکان در استانبول، یک مدل سه‌ساله، شبیه‌سازی پرسونای مشتری و مقایسه با سپرده‌های بانکی و بازار سهام.

90 روز، 2,160 ساعت، 3,557 تیتر. حجم اخبار حدود یک ساعت از نوسان BTC جلوتر است؛ سنجه‌های احساس و شگفتی هیچ سیگنالی ندارند.

جهانی فراطبیعی که 50 سال و 30 ایالت را در بر می‌گیرد: یک کانن 833 خطی، شخصیت‌ها، یک آهنگ تم و تریلر فصل 1.

ویدیوهای 20 تا 30 ثانیه‌ای برای TikTok، Reels و Shorts. قلاب در همان فریم نخست، محصول در میانه، و صفحه‌ی گواه واقعی در پایان.

شخصیت‌های قفل‌شده بر مرجع، ترسیم فریم‌به‌فریم با Canvas، صحنه‌های Blender، یک کامپوزیتور Python و طراحی صدای قفل‌شده بر تصویر.

زباله‌ی روی زمین را با دوربین اسکن کنید و بسته به نوع آن، موجودی در واقعیت افزوده ظاهر می‌شود. آن‌ها را جمع کنید و با دیگران بازی کنید. پنج موجود با مدل‌سازی 3D، بازی با Unity ساخته شده است.

گفت‌وگو، داستان‌ها، ساختن شخصیت دلخواه و یک اسکلت تماس صوتی. از ابتدا تا انتها با لمس‌های واقعی در شبیه‌ساز راستی‌آزمایی شده است.

اپلیکیشن iPhone ساخته‌ی Mustafa Mıhcı. سطح شروع برآوردشده با 14 پرسش، یک پروتکل شخصی بر پایه‌ی خواب، تمرین، تغذیه و استرس، و پیگیری پیشرفت. داده‌ها روی دستگاه می‌مانند.