اسناد لو رفته: فشار پنتاگون برای کاهش نرخ رد پاسخهای هوش مصنوعی
اسناد لو رفته از تقابل OpenAI و وزارت دفاع آمریکا بر سر «نرخ امتناع حداقلی» در مدلهای هوش مصنوعی نظامی خبر میدهد. پنتاگون خواستار مدلهایی است که در ماموریتهای امنیتی کمتر…
دستهبندی
تحلیلهای عمیق مدلها، مقالات و بنچمارکها — پیشچاپها، ارزیابیها، مدلهای زبانی پیشرو و پژوهش همراستاسازی.
۶٬۸۳۷ مقاله منتشر شده
اسناد لو رفته از تقابل OpenAI و وزارت دفاع آمریکا بر سر «نرخ امتناع حداقلی» در مدلهای هوش مصنوعی نظامی خبر میدهد. پنتاگون خواستار مدلهایی است که در ماموریتهای امنیتی کمتر…
وزارت صنعت و فناوری اطلاعات چین طرح پنجساله جدیدی را برای افزایش ۶ برابری ظرفیت محاسباتی هوش مصنوعی تا سال ۲۰۳۰ آغاز کرده است. این استراتژی شامل سرمایهگذاری ۳.۸ تریلیون یوانی در…
شرکت Inceptio Technology با عبور از مرز ۱ میلیارد کیلومتر رانندگی تجاری، سامانه «هوش مصنوعی فیزیکی باربری» را معرفی کرد. این سیستم برخلاف مدلهای عمومی، بر اساس دینامیکهای خاص…
شرکت Motional نخستین مجموعه داده باز با تمرکز بر استدلال در سناریوهای نادر (Long-tail) را منتشر کرد تا خودروهای خودران بهجای تقلید از حرکت، منطق پشت هر تصمیم را بیاموزند.
پروژه متنباز NylonME با پیادهسازی معماری ذخیرهسازی دو لایه، امتیاز محک LoCoMo را از ۴۷.۱٪ به ۸۴.۶٪ ارتقا داد. این سیستم با ترکیب متن خام و حقایق استخراجشده، شکاف میان بازیابی…
موتور حافظه NylonME با استفاده از ساختار شبکه گرافی، سقف محدودیتهای RAG سنتی را شکست و نرخ بازیابی ۸۴.۶ درصدی را ثبت کرد. این ابزار متنباز با هسته Rust، امکان میزبانی شخصی و…
اوپنایآی افشا کرد که حفظ زنجیرههای استدلال و استفاده از فشردهسازی تاریخچه، عملکرد مدل GPT-5.6 Sol را از ۱۳.۳٪ به ۳۸.۳٪ رسانده است. این یافته ثابت میکند بسیاری از شکستهای…
شرکت SEMIFIVE تولید انبوه تراشه Bertha را با استفاده از فناوری ۴ نانومتری سامسونگ آغاز کرد. این شتابدهنده اختصاصی برای کاهش تأخیر و هزینههای عملیاتی اجرای مدلهای زبانی بزرگ در…
پردازش زبان طبیعی (NLP) در حوزه مالی از برچسبهای ساده مثبت/منفی فراتر رفته تا عدم قطعیت و شکافهای لحنی در گزارشهای سود را ردیابی کند. تحلیلگران اکنون میتوانند با تبدیل الگوهای…
مدل ۱۵۰ میلیون پارامتری BDH-CQ با جایگزینی زنجیره تفکر متنی با استدلال نهان، نرخ موفقیت ۲۹.۵ درصدی را در محک ARC-AGI-1 ثبت کرد. این رویکرد هزینه و تأخیر محاسباتی را بهطور چشمگیری…
تحلیل فنی جدید نشان میدهد Anthropic و Instinct برای اجرای امن عاملهای هوش مصنوعی از میکرو-ماشینهای مجازی Firecracker استفاده میکنند. در حالی که Claude Code بر کنترل سختگیرانه…
آزمونهای جدید نشان میدهد مدل GLM 5.3 Flash Max OpenCode در تولید محیطهای پیچیده علمی-تخیلی با Three.js بیشترین کارایی را دارد. این نتایج ثابت میکند انتخاب «هارنس» یا محیط…