پژوهش
هوش مصنوعی در پیش‌بینی سری‌های زمانی: ترکیب مدل‌های Granite از IBM
در این مقاله، IBM Research ارائه کرده است ترکیبی از مدل‌های سالیانه Granite برای توقع سری‌های زمانی، درک آسان و پیش‌بینی‌های دقیق بدون نیاز به آموزش مجدد.
مدل‌ها
هوش مصنوعی ALTK-Evolve با حافظه یادگرفته رکورد سرویس مشتریان را شکست
هوش مصنوعی ALTK-Evolve IBM Research با حافظه یادگرفته در رتبه یک رتبه‌بندی τ²-bench قرار گرفت. بدون آموزش مجدد مدل و با استفاده از GPT-4.1.
پژوهش
هوش مصنوعی و چالش تکرارپذیری: چرا یک عامل موفق دوباره شکست می‌خورد؟
آیا یک عامل هوش مصنوعی که یک کار را درست انجام داده، می‌تواند همان را تکرار کند؟ پژوهش جدید IBM نشان می‌دهد که بسیاری از سیستم‌های هوش مصنوعی این قابلیت را ندارند.
پژوهش
مسیردهی هوش مصنوعی: وقتی سادگی به پیچیدگی تبدیل می‌شود
مسیردهی هوش مصنوعی در سیستم‌های عامل‌محور ساده‌تر از آن است که به نظر می‌رسد. بررسی چالش‌های هزینه، پیچیدگی و تاخیر.
پژوهش
ScarfBench: Benchmarking AI Agents for Enterprise Java Framework Migration
A Blog post by IBM Research on Hugging Face
پژوهش
معرفی AssetOpsBench؛ پلی میان بنچمارک‌های هوش مصنوعی و واقعیت صنعتی
در وبلاگ هما: معرفی AssetOpsBench؛ چارچوبی از IBM Research برای ارزیابی عامل‌های هوش مصنوعی در عملیات صنعتی که شکاف آزمایشگاه و واقعیت را پر می‌کند.
پژوهش
PatchTSMixer: مدل سبک زمانبندی در هوش مصنوعی با MLP‑Mixer
PatchTSMixer مدل زمان‌سنجی سبک، مبتنی بر MLP‑Mixer، توسط IBM Research و Hugging Face عرضه شد؛ امکان پیش‌بینی یک‌سویه سریع در دیتاست‌های برق و صنعت.