دستهبندی
تحلیلهای عمیق مدلها، مقالات و بنچمارکها — پیشچاپها، ارزیابیها، مدلهای زبانی پیشرو و پژوهش همراستاسازی.
۳٬۵۳۰ مقاله منتشر شده
پایلوتهای موفق در استقرار عاملهای هوشمند میتوانند با اتوماتیک کردن فرآیندهای غلط بهجای بازطراحی آنها، سازمانها را در «تلهٔ پایلوت» گرفتار کنند. این وضعیت هزینه نگهداری را…
شرکت Convex با جذب ۵۷ میلیون دلار سرمایه در راند Series B، پلتفرم خود را به لایهای برای ایمنسازی کدهای تولیدشده توسط هوش مصنوعی تبدیل میکند تا جلوی فساد دادهها و فرسودگی کدهای…
بنیاد لینوکس چارچوب SAFE را برای گزارش تخلفات امنیتی و «حوادث نزدیک به شکست» در مدلهای هوش مصنوعی معرفی کرد. این اقدام با هدف تبدیل شکستهای خصوصی به یادگیری جمعی برای جلوگیری از…
توسعهدهندگان برای اعتبارسنجی عاملهای هوش مصنوعی از داوران احتمالی مدلهای زبانی فاصله گرفته و به سمت «گیتهای کیفی» قطعی حرکت میکنند. این رویکرد امتیازات مبهم معنایی را با…
شرکت Ethyca با معرفی لایهی Astralis، ارزیابیهای دستی حاکمیت داده را با یک مدل زبانی تخصصی جایگزین کرد. این پلتفرم با اجرای سیاستهای دسترسی در لحظه، گلوگاههای قانونی استقرار…
شرکت Runware با معرفی Sonic Inference Pod، دیتاسنترهای ماژولار و بدون آبی را روانه بازار کرد که در چند روز مستقر میشوند. این رویکرد با نزدیک کردن محاسبات به کاربر نهایی،…
ابزار متنباز Homebench با یک دستور واحد، سرعت، مصرف حافظه و کیفیت مدلهای زبانی محلی را روی سختافزار کاربر میسنجد. این ابزار با ادغام مدلهای Ollama و vLLM، یک جدول ردهبندی…
پژوهشگران روشی برای انتقال دانش از مدلهای ترنسفورمر به معماریهای متفاوت مانند RNNها و مدلهای فضای-وضعیت ابداع کردهاند. این «پیوند مغزی» اجازه میدهد قابلیتهای مدلهای عظیم…
ابزار Locus MCP با اتصال عاملهای هوش مصنوعی به سرورهای LSP، جستوجوی غیردقیق متنی را با ناوبری معنایی جایگزین میکند. این سازوکار به عاملها اجازه میدهد تعاریف، ارجاعات و نوع…
اشتباه در تشخیص تفاوت میان هوش مصنوعی زاینده و سامانههای عاملمحور منجر به هزینههای اضافی و شکست در حاکمیت دادهها میشود. چارچوب جدید Squalix سه سطح از خودمختاری را تعریف…
بررسیهای فنی نشان میدهد ضعف مدلهای زبانی بزرگ در تحلیل دادههای جدولی بهدلیل توکنسازی یا نویز نیست، بلکه با افزایش ابعاد داده، دقت آنها بهشدت افت میکند. در حالی که مدلهای…
پلتفرم متنباز Soup با معرفی تکنیک «استریمینگ لایهها»، امکان آموزش مدلهای زبانی بزرگ ۸ میلیارد پارامتری را روی سختافزارهای مصرفکننده با ۴ گیگابایت VRAM فراهم کرد. این ابزار…