تحلیل و بررسی تخصصی

پروژه شکست‌خورده‌ی Rekursiv در سال ۱۹۸۴، تامین امنیت حافظه و معماری‌های تخصصی را سال‌ها پیش از استاندارد شدن پیش‌بینی کرد. این سیستم که زمانی به دلیل هزینه‌های اقتصادی شکست خورد،…

مؤسسه امنیت هوش مصنوعی بریتانیا (AISI) گزارش داده است که مدل‌های وزن‌باز مانند DeepSeek V4-Pro شکاف توانایی‌های سایبری با مدل‌های تجاری را به‌سرعت می‌بندند. این روند در حالی رخ…

متا مدل‌های Muse Image و Muse Video را معرفی کرد که از رویکرد «عامل‌محور» برای تأیید صحت داده‌ها در تصاویر استفاده می‌کنند. در حالی که Muse Image در بنچمارک‌ها رتبه بالایی دارد،…

شکست اکثر عامل‌های AI در مرحله تولید ناشی از ضعف مدل نیست، بلکه نبود یک ساختار کنترلی (Harness) برای مدیریت اجرا و وضعیت است. برای دستیابی به پایداری، منطق اعتبارسنجی و حافظه باید…

پژوهشگران Tracebit روشی به نام «بمب‌گذاری زمینه» ابداع کرده‌اند که با بهره‌گیری از دستورات ممنوعه، حفاظ‌های ایمنی مدل‌ها را علیه خودشان به کار می‌گیرد. این متد باعث می‌شود…

گوگل کلود یک عامل حافظه «همیشه روشن» معرفی کرد که به جای پایگاه‌داده‌های برداری، از یک فرآیند مستمر تجمیع اطلاعات توسط مدل Gemini 3.1 Flash-Lite استفاده می‌کند. این سامانه داده‌ها…

وزارت نیروی دریایی ایالات متحده استراتژی «AI-first» را آغاز کرده است که در آن سرعت عملیاتی بر همراستاسازی کامل سیستم‌ها ترجیح داده می‌شود. این رویکرد با هدف پیشی گرفتن از رقبای…

پژوهشگران نوع جدیدی از حملات به نام HalluSquatting را شناسایی کرده‌اند که در آن مهاجمان دامنه‌ها یا بسته‌هایی را ثبت می‌کنند که مدل‌های هوش مصنوعی احتمالاً آن‌ها را ابداع می‌کنند.…

پلتفرم LuisCore زیرساختی برای اجرای استنتاج‌های چندمرحله‌ای فراهم می‌کند که از یک هسته مشترک و هستی‌شناسی باز برای مدیریت l-عامل‌ها بهره می‌برد. این سیستم هدفش تبدیل تعاملات سادهٔ…

Sakana AI متد جدیدی به نام Error Diffusion معرفی کرده است که نیاز به پس‌انتشار (Backpropagation) را حذف کرده و با رعایت اصل «دیل» در وزن‌های غیرمنفی عمل می‌کند. این رویکرد در…

پژوهش‌های جامعه AGI Arrival نشان می‌دهد مدل وزن‌باز Kimi K3 در کدنویسی پیچیده و ممیزان امنیتی از GPT-5.6 و Claude Fable 5 پیشی گرفته است. با این حال، سخت‌افزار سنگین و فقدان…