پژوهش
معرفی RTEB: استاندارد نوین ارزیابی بازیابی در هوش مصنوعی
RTEB، بنچمارک جدیدی برای ارزیابی دقیق واکشی بردارهای جاسازی، با استفاده از ترکیبی از دادههای عمومی و خصوصی، راهحلی شفاف و مشخص برای سنجش عملکرد مدلهای هوش مصنوعی در شرایط واقعی ارائه میدهد.
محصولات
SyGra: چارچوب یکپارچه برای ساخت داده هوش مصنوعی مدلهای LLM و SLM
SyGra چارچوب کاملی برای تولید و مدیریت دادههای LLM و SLM است، با ابزارهای اکتشاف داده، تولید دیالوگ و ایجاد سوال‑پاسخ، به سازمانها امکان میدهد مدلهای هوش مصنوعی خود را بهتر آموزش دهند.
پژوهش
هوش مصنوعی در نوشتنوتبوک: آموزش Jupyter Agents برای اجرای برنامهنویسی
Jupyter Agents مجموعۀ جدیدی از ابزارهای هوش مصنوعی است که با آموزش مدلهای LLM توانایی اجرای کد در نوتبوکهای Jupyter را دارد، امکان تحلیل دادههای پیچیده را به شیوهای تعاملی فراهم میکند.
پژوهش
SAIR: دادههای سهبعدی پروتئین‑لیگاند برای پیشبینی IC₅₀ با هوش مصنوعی و شتابگذاری داروپژوهی
مجموعهداده بزرگ SAIR، بیش از ۵ ملیون ساختار سهبعدی پروتئین‑لیگاند همراه با مقادیر IC₅₀، به پژوهشگران امکان میدهد با هوش مصنوعی فرآیند کشف دارو را به سرعت بینظیر پیش ببرند.
پژوهش
هوش مصنوعی در زبان فیلیپین: بررسی جدید FilBench و چالشهای ترجمه
تحقیق FilBench ثابت کرده که مدلهای زبانی منطقهای هنوز از GPT‑4 عقبتر هستند. ترجمه فیلیپین دشوار است، ولی جمعآوری دادهها جهت آموزش مدلهای تازهساز امیدوارکنندهاست.
پژوهش
برندمارک 3LM: استاندارد نوین هوش مصنوعی عربی در STEM و برنامهنویسی
برندمارک ۳LM، استانداردی جدید برای ارزیابی مدلهای زبانی عربی در حوزههای علمی‑فناوری و برنامهنویسی، با تمرکز بر مسائل تخصصی و کد. در این مقاله به جزئیات روش، مجموعه دادهها و نتایج کلیدی میپردازیم.