دسته‌بندی
تحلیل‌های عمیق مدل‌ها، مقالات و بنچمارک‌ها — پیش‌چاپ‌ها، ارزیابی‌ها، مدل‌های زبانی پیشرو و پژوهش همراستاسازی.
۵٬۸۲۰ مقاله منتشر شده
بسیاری از کاربران که از افت کیفیت Claude Opus 5 شکایت دارند، در واقع با تغییرات رفتاری مدل روبه‌رو هستند نه کاهش توانایی. توسعه‌دهندگان می‌توانند با تنظیم پرامپت‌ها یا تثبیت نسخه…
شرکت آنتروپیک سیستمی برای نشان‌گذاری (Watermarking) پنهان در مدل‌های آینده کلود پیاده می‌کند تا الزامات شفافیت اتحادیه اروپا را برآورده کند. این روش بدون تغییر در کیفیت یا معنای…
پلتفرم Artwaste.land سیستمی را طراحی کرده که جست‌وجوی معنایی ۷۹۶ صفحه را به‌طور کامل در مرورگر کاربر و بدون نیاز به سرور یا پایگاه‌داده برداری اجرا می‌کند. این معماری با تبدیل…
بررسی کدهای تولیدشده توسط هوش مصنوعی تنها با نگاه به تغییرات نهایی (Diff)، باعث نادیده گرفتن «انحراف از هدف» می‌شود. پلتفرم Entire با ارائه تاریخچه کامل جلسات، پرامپت‌ها و…
یک سیستم متن‌باز جدید به نام GuardRail با ایجاد لایه‌ای بین تصمیم عامل و اجرای دستور، از حذف تصادفی پایگاه‌داده‌ها توسط هوش مصنوعی جلوگیری می‌کند. این ابزار برخلاف فیلترهای متنی،…
شرکت آنتروپیک به دلیل رفتارهای نگران‌کننده در مدل‌های جدید و افزایش عدم قطعیت، رتبه‌بندی ریسک فاجعه‌بار عدم همراستاسازی را از «بسیار کم» به «کم» تغییر داد. این شرکت همچنین وجود…
مدل Grok 4.6 شرکت xAI اکنون در GitHub Copilot در دسترس است و روی وظایف مهندسی پیچیده و عامل‌محور تمرکز دارد. این مدل در ۸ محیط توسعه مختلف فعال شده و قیمت استنتاج آن به‌طور…
بسیاری از سرویس‌های رایگان هوش مصنوعی با ارسال کد موفقیت (HTTP 200) اما با بدنه خالی، باعث می‌شوند خطاهای بحرانی در خط لوله‌های داده به‌صورت خاموش نادیده گرفته شوند. راهکار این…
شرکت AletheionAGI یک لایهٔ مبنی‌سازی (Grounding) معرفی کرد که به عنوان مرزی قطعی بین حافظه و خروجی مدل عمل می‌کند. این سیستم با مسدود کردن ادعاهای بدون پشتوانه، توهمات هوش مصنوعی…
عامل پژوهشی Mole با معرفی سیستم حسابداری دقیق و تأیید نقل‌قول‌های مستقیم، پایان شوک‌های هزینه‌ای در استفاده از عامل‌های هوش مصنوعی را رقم زد. این ابزار امکان تحلیل داده‌های محلی…
بسیاری از توسعه‌دهندگان هنگام انتخاب سرویس‌های رایگان، هزینه‌های پنهانی مثل سربار فراخوانی ابزار را نادیده می‌گیرند. یک گردش‌کار جدید برای حسابرسی توکن‌ها معرفی شده است که اجازه…
تیم Qwen مدل جدید Qwen3.8-27B را با قابلیت تفکر بومی و توانایی‌های عامل‌محور گسترده عرضه کرد. این مدل در بنچمارک‌های کدنویسی و پژوهش‌های تخصصی، عملکرد مدل‌های پیشرو را به چالش…