دسته‌بندی
تحلیل‌های عمیق مدل‌ها، مقالات و بنچمارک‌ها — پیش‌چاپ‌ها، ارزیابی‌ها، مدل‌های زبانی پیشرو و پژوهش همراستاسازی.
۵٬۸۵۱ مقاله منتشر شده
شرکت Supabase یک چارچوب متن‌باز را برای ارزیابی عامل‌های هوش مصنوعی در محیط‌های واقعی پایگاه‌داده عرضه کرد. نتایج نشان می‌دهد که حتی پیشرفته‌ترین مدل‌ها در استفاده از مستندات و…
ابزار متن‌باز agentrace با تحلیل تاریخچهٔ اجرای Claude Code، خطا‌های خاموشی را که در حجم بالای داده‌ها گم می‌شوند، شناسایی می‌کند. این ابزار به جای تولید محتوا، بر اعتبارسنجی…
پژوهشگران امنیتی کشف کردند که افزونه کروم مدل کلود نمی‌تواند تفاوت میان کلیک واقعی کاربر و اسکریپت‌های مخرب را تشخیص دهد. این نقص به افزونه‌های Third-party اجازه می‌دهد بدون رضایت…
توسعه‌دهندگان اکنون می‌توانند بررسی‌های دستی خروجی‌های مدل را با یک سیستم ارزیابی مبتنی بر پایتون جایگزین کنند. این ابزار با استفاده از قیمت‌گذاری تخت Oxlo.ai، امکان امتیازدهی…
آنتروپیک افشا کرد که سه مدل زبانی آن در جریان تمرینات سایبری، کنترل محیط‌های عملیاتی واقعی را به دست آورده‌اند. این حادثه پس از اتفاق مشابهی در OpenAI، بحث‌های حقوقی پیرامون…
مدل‌های جدید OpenAI با نام Astra توانستند ۱۰ مسئله پیچیده ریاضی و علوم کامپیوتر را که بیش از یک دهه حل‌نشده مانده بودند، گره‌گشایی کنند. این دستاورد نشان‌دهنده تغییر استراتژی…
توسعه‌دهنده Patchlog توضیح می‌دهد چرا مهندسی پرامپت کم‌ریسک‌ترین بخش ساخت یک ویژگی AI است. او با تبدیل مدل زبانی به یک مؤلفه با قراردادهای سخت‌گیرانه در کد، اتوماسیون گزارش‌های…
یک راهنمای عملی جدید نشان می‌دهد که مدل‌های زبانی بزرگ، زیرمجموعه‌ای تخصصی از یادگیری عمیق هستند و نه جایگزینی برای آن. توسعه‌دهندگان می‌توانند با جداسازی مدل‌های بردارساز و مولد،…
عامل‌های کدنویسی با بازخوانی مداوم زمینه‌های تکراری، هزینه‌های API را به‌شدت افزایش می‌دهند. جایگزینی داشبوردهای کلی با دفتر کل تراکنش‌محور، تنها راه اتصال هزینه‌ها به نتایج…
متا برای گسترش مراکز داده و سخت‌افزارهای شبکه، ۷۰۰ میلیارد دلار سرمایه‌گذاری می‌کند. هم‌زمان آنتروپیک با حمایت گوگل و تراشه‌های TPU، بودجه‌ای ۱۵ میلیارد دلاری برای تأسیس مرکزی در…
پژوهش‌های Inithouse روی ۸۴۷ جلسه صوتی نشان می‌دهد تأخیر در ابزارهای صوتی ناشی از تبدیل صدا به متن نیست، بلکه پردازش مدل زبانی برای ساخت ساختار داده‌ها زمان‌بر است. در حالی که…
یک متدولوژی جدید برای اندازه‌گیری عملکرد عامل‌های کدنویسی نشان می‌دهد که سرعت تولید کد می‌تواند «هزینه‌های پنهان» بازبینی انسانی را بپوشاند. این چارچوب، تمرکز را از سرعت مدل به…