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…
دستهبندی
تحلیلهای عمیق مدلها، مقالات و بنچمارکها — پیشچاپها، ارزیابیها، مدلهای زبانی پیشرو و پژوهش همراستاسازی.
۶٬۸۳۷ مقاله منتشر شده
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…
اجرای مدل Whisper مستقیماً در مرورگر، مرزهای حریم خصوصی را با نگه داشتن دادههای صوتی در دستگاه کاربر جابهجا میکند. این معماری برای جلوگیری از هنگ کردن رابط کاربری، بر…
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…
تحلیل جدید هزینه کل مالکیت نشان میدهد که جایگزینی APIها با زیرساخت شخصی برای حجمهای بالا، حدود یک سال زمان میبرد تا هزینه سرمایهگذاری اولیه را جبران کند. این سودآوری به شدت به…
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…
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…
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…
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،…
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…
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…
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…
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…