مدلهای بازشناسی گفتار با «تقلب در بنچمارک» دقت کاذب تولید میکنند
پژوهشی جدید نشان میدهد مدلهای پیشرو در بازشناسی گفتار بهجای تحلیل واقعی صوت، الگوهای آماری مجموعهدادههای آزمون را حفظ کردهاند. این پدیده که «بنچمکسینگ» نامیده میشود، باعث…
دستهبندی
تحلیلهای عمیق مدلها، مقالات و بنچمارکها — پیشچاپها، ارزیابیها، مدلهای زبانی پیشرو و پژوهش همراستاسازی.
۶٬۸۳۷ مقاله منتشر شده
پژوهشی جدید نشان میدهد مدلهای پیشرو در بازشناسی گفتار بهجای تحلیل واقعی صوت، الگوهای آماری مجموعهدادههای آزمون را حفظ کردهاند. این پدیده که «بنچمکسینگ» نامیده میشود، باعث…
یک کد تولیدشده توسط هوش مصنوعی با وجود پاس کردن تمام تستهای عملکردی، دارای یک آسیبپذیری بحرانی در مسیر فایلها بود. این مورد ثابت میکند که تستهای «کارکردی» هرگز جایگزین…
اتکای به حجم توکنهای رایگان برای سنجش پیشرفت در کدنویسی با هوش مصنوعی، توهمی از بهرهوری ایجاد میکند. رویکرد جدید «دفتر کل وصلهها» (Patch Ledger) تمرکز را از سخاوتمندی…
سرور جدید Kino با بهرهگیری از موازیسازی Ractor در روبین ۴ و لایه شبکه Rust، نیاز به تکثیر فرآیندها (Forking) را از بین برد. این معماری باعث کاهش شدید مصرف رم و افزایش توان…
هوش مصنوعی در حال حذف وظایف روتین مستندسازی و نمونهسازی در تحلیل کسبوکار است. ارزش این نقش از تولید خروجیهای متنی به تشخیصهای استراتژیک و نظارت فنی تغییر میکند.
لیدربوردهای عمومی مدلهای زبانی اغلب بر اساس دادههای مصنوعی هستند و عملکرد واقعی مدل را در محیط تولید نشان نمیدهند. توسعهدهندگان باید برای سنجش دقیق صحت، هزینه و تأخیر،…
هوش مصنوعی عاملمحور با معرفی تستهای «خودترمیمشونده»، فرآیند تضمین کیفیت (QA) را دگرگون میکند. این فناوری با تعمیر خودکار سلکتورهای شکسته، نقش متخصصان QA را از نگهداری دستی…
شرکتهای OpenAI و DeepSeek با متنباز کردن «هارنس» یا همان لایههای مدیریت ابزار و وضعیت، رقابت را از معماری سیستم به قدرت مدلهای زیربنایی منتقل کردند. این اقدام اجازه میدهد…
مقایسه مدلهای ویدیویی بر اساس دموهای تصادفی منجر به نتایج گمراهکننده میشود. این راهنما یک گردشکار سختگیرانه برای جداسازی عملکرد واقعی مدل از شانس در پرامپتنویسی معرفی میکند.
یک پیادهسازی مینیمالیست به نام Seed، فریمورکهای سنتی را حذف کرده و عاملهای هوش مصنوعی را مجبور میکند حافظه و ابزارهای خود را در یک دایرکتوری محلی توسعه دهند. این رویکرد، عامل…
گوگل اپس اسکریپت (GAS) به جای جایگزینی توسط هوش مصنوعی، به لایهی اجرایی قطعی (Deterministic) برای عاملهای AI تبدیل شده است. این معماری ترکیبی، استدلال مدلهای زبانی را با…
تیم Qwen علیبابا با معرفی AVA-Encoder، نمایش ویدیوها را از تنسورهای متراکم به گرافهای دانش تبدیل کرد. این رویکرد علاوه بر افزایش چشمگیر کیفیت بازسازی، امکان ویرایش معنایی محتوا…