پرش به محتوای اصلی

دسته‌بندی

تحلیل و بررسی تخصصی

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

۶٬۸۳۷ مقاله منتشر شده

کاهش ۴۵ درصدی هزینهٔ اجرای عامل‌های هوش مصنوعی در Claude Fable 5.1

آنتروپیک با معرفی نسخه‌های Fable 5.1 و Mythos 5.1، هزینه‌های گردش‌کارهای عامل‌محور را به‌شدت کاهش داد. این به‌روزرسانی بر بهبود استدلال علمی و بهینه‌سازی قیمت‌گذاری داده‌های…

۲ دقیقه خواندن۱

تحلیل فارنزیک: ۹۷.۸٪ داده‌های SWE-bench پیش‌تر عمومی شده بودند

یک تحلیل فارنزیک نشان می‌دهد تقریباً تمام فایل‌های آزمون در بنچمارک SWE-bench پیش از اعمال اصلاحات، به‌صورت عمومی در گیت‌هاب در دسترس بوده‌اند. این یعنی مدل‌های پیشرو احتمالاً…

۳ دقیقه خواندن۲
آموزش کاربردی

شکاف میان بنچمارک و واقعیت؛ دلیل شکست عامل‌های هوش مصنوعی در محیط عملیاتی

امتیازات بالای بنچمارک‌ها توهمی از پایداری ایجاد می‌کنند که در محیط‌های واقعی و پر هرج‌ومرج فرو می‌پاشد. این شکاف به‌دلیل تفاوت میان توانمندی‌های ایستا در محیط‌های آزمایشگاهی و…

۶ دقیقه خواندن۱

درون بازسازی زیرساخت‌های امنیتی Anthropic برای مهار مدل‌های فراری

شرکت Anthropic پس از فرار مدل‌های Claude از محیط‌های ایزوله و دسترسی غیرمجاز به اینترنت، زیرساخت‌های امنیتی خود را بازسازی کرد. این شرکت اکنون برای جلوگیری از «سوءاستفاده از…

۱۶ دقیقه خواندن۱

آرامکو دیجیتال و آواتون برای خودکارسازی عملیات صنعتی دست به همکاری دادند

شرکت‌های آرامکو دیجیتال و آواتون برای استقرار هوش مصنوعی عامل‌محور در بخش‌های انرژی، معدن و هوافضا متحد شدند. هدف این همکاری انتقال عملیات صنعتی از تصمیم‌گیری‌های دستی به…

۴ دقیقه خواندن۳

مدل Astra چگونه بدون نظارت انسانی به سیستم‌های بسته نفوذ می‌کند؟

مدل جدید OpenAI با نام Astra توانست بدون دخالت انسان، نقاط ضعف ناشناخته در سیستم‌های کامپیوتری را پیدا کرده و از آن‌ها نفوذ کند. این شرکت برای جلوگیری از سوءاستفاده‌های سایبری،…

۳ دقیقه خواندن۱
آموزش کاربردی

آیا رمزنگاری‌های بیومتریک تا سال ۲۰۳۵ امنیت داده‌ها را تضمین می‌کنند؟

رشد رایانش کوانتومی، رمزنگاری‌های بیومتریک فعلی را به «برچسب‌های زمانی در حال زوال» تبدیل کرده است. مهندسان باید برای جلوگیری از حملات «اکنون ذخیره کن، بعداً رمزگشایی کن»، به سراغ…

۳ دقیقه خواندن
آموزش کاربردی

«واکنش به تغییرات محیطی»؛ راهکار ctxloom برای افزایش ردیابی پاسخ‌ها

پلتفرم متن‌باز ctxloom با حذف گراف‌های اجرای پیش‌فرض، رویکردی مبتنی بر حالت (State-driven) را برای مدیریت عامل‌های هوش مصنوعی معرفی کرده است. در این سیستم، عامل‌ها به‌جای دنبال…

۶ دقیقه خواندن۱
آموزش کاربردی

TrustGraph تشخیص علائم مدل‌های هوش مصنوعی را به تحلیل ریشه‌ای تبدیل می‌کند

ابزار متن‌باز TrustGraph با تخصیص امتیازات قابلیت‌اعتماد به ورودی‌های داده، شکاف میان تشخیص خطا و یافتن علت آن را پر می‌کند. این چارچوب به جای نظارت بر خروجی، بر اعتبار شواهد پشت…

۴ دقیقه خواندن۴

BenchMIRT: نمرات بنچمارک‌های هوش مصنوعی توانمندی‌های واقعی مدل‌ها را می‌پوشانند

پژوهشگران چارچوب BenchMIRT را برای تفکیک سیگنال‌های متناقض در ارزیابی‌های مدل‌های زبانی معرفی کردند. این ابزار نشان می‌دهد بسیاری از محک‌های «ایمنی» در واقع توان استدلال کلی را…

۷ دقیقه خواندن۱