پرش به محتوای اصلی

دسته‌بندی

تحلیل و بررسی تخصصی

تحلیل‌های عمیق مدل‌ها، مقالات و بنچمارک‌ها — پیش‌چاپ‌ها، ارزیابی‌ها، مدل‌های زبانی پیشرو و پژوهش همراستاسازی.

۵٬۷۶۵ مقاله منتشر شده

تصویر: نمودار مقایسه توانایی‌های ریاضیاتی مدل‌های زبانی بزرگ در مسائل مختلف

ریاضیدانان از آزمایشگاه‌های AI خواستند بودجهٔ درک انسانیِ اثبات‌ها را تأمین کنند

اتحادی از ریاضی‌دانان خواستار توقف انتشار نتایج ریاضی توسط مدل‌های بسته است. آن‌ها تأکید دارند که آزمایشگاه‌های هوش مصنوعی باید بودجه و شفافیت لازم را برای تبدیل «پاسخ‌های…

۷ دقیقه خواندن۲
معماری سفارشی هوش مصنوعی در حال توسعه با Rust

معماری PSSA سرعت استنتاج مدل‌های زبانی کوچک را ۱۲ برابر کرد

معماری PSSA با جایگزینی ترنسفورمرها با لایه‌های فضای حالت بازگشتی و حافظه اپیزودیک، پیچیدگی محاسباتی را از مرتبه درجه‌دوم به خطی کاهش داد. این مدل که به‌صورت بومی با زبان Rust…

۱۴ دقیقه خواندن
مدل‌های زبانی کوچک در مرورگر: هوش مصنوعی لبه با WebGPU
آموزش کاربردی

آیا WebGPU می‌تواند مدل‌های زبانی را از سرورها به مرورگر منتقل کند؟

آزمایشگاه MicroLLM ثابت کرد مدل‌های کوانتیده بین ۲۵ تا ۳۶۰ میلیون پارامتر می‌توانند به‌طور کامل روی GPU کاربر و از طریق WebGPU اجرا شوند. این رویکرد هزینه‌های ابری و ریسک‌های حریم…

۵ دقیقه خواندن
ربات‌های Dots مبتنی بر GPT-6 Astra در ChatGPT راه‌اندازی شد

OpenAI: اجرای عامل‌های خودکار روی زیرساخت‌های ابری مستقل

اوپن‌ای‌آی عامل‌های خودکار dots را معرفی کرد که روی زیرساخت‌های ابری مستقل اجرا می‌شوند تا وظایف پیچیده را در پس‌زمینه انجام دهند. این عامل‌ها با دسترسی به ۴۰۰۰ اپلیکیشن، از یک…

۶ دقیقه خواندن۴
مخزن لایون‌نرف: معیار سنجش توانایی مدل پس از انتشار در گیت‌هاب
آموزش کاربردی

ابزار livenerf افتِ پنهانیِ کیفیت مدل‌های هوش مصنوعی را اثبات می‌کند

پلتفرم متن‌باز livenerf با استفاده از تحلیل آماری و پروتکل‌های ثبت‌شده، امکان شناسایی «نرف کردن» یا کاهش عمدی توانمندی‌های مدل‌ها پس از عرضه را فراهم می‌کند. این ابزار بحث‌های…

۱۲ دقیقه خواندن۲
لوگوی گروکیپدیا، دانشنامه هوش مصنوعی ایلان ماسک، در حال به‌روزرسانی.

بازگشت Grokipedia؛ تلاش SpaceXAI برای جایگزینی ویکی‌پدیا با هوش مصنوعی

دانشنامه Grokipedia پس از ماه‌ها توقف، به‌روزرسانی صفحات خود را از سر گرفته است. این حرکت نشان‌دهنده تلاش ایلان ماسک برای تبدیل یک آزمایش ایستا به محصولی زنده برای حقیقت‌سنجی در…

۲ دقیقه خواندن
جلوگیری از افشای اطلاعات شخصی به APIهای هوش مصنوعی: ساخت لایه پوشش‌گذاری قابل‌برگشت برای عامل‌های هوشمند
آموزش کاربردی

لایه حذف داده‌های حساس؛ راهکاری برای توقف نشت اطلاعات در عامل‌های هوش مصنوعی

یک الگوی معماری جدید با استفاده از لایه‌های حذف بازگشت‌پذیر، اطلاعات شناسایی شخصی (PII) را پیش از ارسال به API مدل‌های زبانی حذف می‌کند. این روش با جایگزینی داده‌های حساس با…

۷ دقیقه خواندن
آزمایش عامل هوشمند مانند نرم‌افزار: ارزیابی با NVIDIA Nemotron
آموزش کاربردی

تست ساختاری انویدیا: پایان ارزیابی‌های حسی در عامل‌های هوش مصنوعی

انویدیا چارچوبی قطعی برای تست عامل‌های هوش مصنوعی معرفی کرد که به‌جای بررسی متن، بر داده‌های ساختاریافته متمرکز است. این روش مانع از آن می‌شود که تغییرات کوچک در پرامپت‌ها، باعث…

۹ دقیقه خواندن۱
عامل پیشنهاد می‌دهد؛ زمان اجرا دکمه را فشار می‌دهد

«خنثی‌سازی امنیت»؛ پیامد قرار دادن حفاظ‌ها در فرآیند مشترک با عامل

تحلیل فنی ابزار حاکمیت عامل‌های مایکروسافت نشان می‌دهد که قرار دادن حفاظ‌ها در یک فرآیند مشترک با عامل، امنیت را در برابر تزریق پرامپت خنثی می‌کند. راهکار جایگزین Zarel، خروجی مدل…

۶ دقیقه خواندن۱
مدل تصمیم‌گیری d1 شرکت Liquid AI: بازگرداندن احتمالات کالیبره‌شده بدون توکن خروجی

Liquid AI: حذف توکن‌های خروجی برای طبقه‌بندی دقیق‌تر داده‌ها

شرکت Liquid AI مدل d1 را معرفی کرد؛ مدل تصمیم‌گیری تخصصی که به‌جای تولید متن، احتمالات کالیبره‌شده برای انتخاب‌های ساختاریافته ارائه می‌دهد. این معماری با حذف توکن‌های خروجی،…

۵ دقیقه خواندن
کودتای ۳۳ ساعته اتوماتیک؛ آیا آزمایشگاه‌های هوش مصنوعی می‌توانند خود را نظارت کنند؟

پلتفرم جدید انویدیا با سخت‌افزار مانع فرار عامل‌های هوش مصنوعی می‌شود

انویدیا برای جلوگیری از خروج عامل‌های هوشمند از محیط‌های تست، پلتفرم Open Agent Safety را معرفی کرد. این سامانه با استفاده از یک پردازنده مجزا، رفتارهای مشکوک را در میلی‌ثانیه…

۴ دقیقه خواندن۱