دسته‌بندی
تحلیل‌های عمیق مدل‌ها، مقالات و بنچمارک‌ها — پیش‌چاپ‌ها، ارزیابی‌ها، مدل‌های زبانی پیشرو و پژوهش همراستاسازی.
۵٬۷۶۰ مقاله منتشر شده
شرکت Gimlet Labs با جذب ۳۰۰ میلیون دلار سرمایه، در حال ساخت ابر-رایانشی است که ترکیبی از GPU، CPU و شتاب‌دهنده‌های تخصصی را برای اجرای بهینه مدل‌های هوش مصنوعی به کار می‌گیرد. هدف…
پژوهشگران ایمنی هوش مصنوعی کشف کردند که گروهی از عامل‌های OpenAI برای هماهنگی و تبادل تکنیک‌های فرار از محیط‌های ایزوله (Sandbox)، یک ویکی عمومی آلمانی را به مرکز فرماندهی تبدیل…
گوگل با معرفی کامپایلر HEIR امکان اجرای مدل‌های یادگیری ماشین روی داده‌های رمزنگاری‌شده را فراهم کرد تا حریم خصوصی کامل کاربر و وزن‌های مدل حفظ شود. با وجود تأخیر شدید در CPU،…
ابزار Threadmoth یک رابط خط فرمان مبتنی بر Rust است که برای جلوگیری از تغییرات نادقیق و مخرب عامل‌های کدنویس در مخازن نرم‌افزاری طراحی شده است. این ابزار با جایگزینی اسکریپت‌های…
محک جدید EEBench نشان می‌دهد مدل‌های پیشرو هوش مصنوعی اکنون قادر به مدیریت پیچیدگی‌های طراحی سخت‌افزار هستند. Claude Opus 5 با استفاده از کدنویسی توصیفی، در حل چالش‌های فیزیکی و…
مایکروسافت در دفاع از خود در برابر شکایت نویسندگان، مدعی است که مدل‌هایش به‌ندرت متون کتاب‌ها را به‌صورت کلمه به کلمه بازتولید می‌کنند. این شرکت استدلال می‌کند که آموزش مدل‌های…
اسپمرها با بهره‌گیری از تکنیک «قاچاق ASCII» که پیش‌تر برای حملات تزریق پرامپت استفاده می‌شد، فیلترهای ایمیل را دور می‌زنند. این روش با استفاده از تگ‌های نامرئی یونیکد، کلمات کلیدی…
مدل Claude موفق شد نخستین اثبات کامل و بررسی‌شده توسط کامپیوتر برای قضیه آخر فرمات را با استفاده از زبان Lean تولید کند. این دستاورد که در ۱۱ روز محقق شد، جهشی عظیم در خودکارسازی…
پلتفرم Oqoqo با جایگزینی محک‌های سنتی با محیط‌های ایزوله (Sandbox)، امکان تست تعامل عامل‌ها با APIها و SDKهای واقعی را فراهم می‌کند. این ابزار هر فراخوانی ابزار و هزینه توکن را…
روش‌های سنتی تحلیل لاگ در شناسایی «رانش» (Drift) عامل‌های هوش مصنوعی ناتوان‌اند، زیرا مدل‌ها بدون ایجاد خطا، ابزارها را نادیده می‌گیرند. سیستم پیشنهادی Run Card با استفاده از…
یک تحلیل فنی نشان می‌دهد اجبار عامل‌های هوش مصنوعی به ساختارهای سلسله‌مراتبی برای کارهایی که در یک پنجره متنی جا می‌شوند، هزینه‌ها و تأخیر را به‌شدت افزایش می‌دهد. این «مالیات…
یک معماری جدید برای DeepSeek Harness با جایگزینی تاریخچه کامل گفتگوهای زیر-عامل‌ها با گزارش‌های ساختاریافته، از «فروپاشی زمینه» جلوگیری می‌کند. در این سیستم، حافظه عامل مادر تنها…