عاملهای هوش مصنوعی در ۷۵٪ سناریوهای عملیاتی SRE شکست میخورند
محک جدید ORCA-bench نشان میدهد که پیشرفتهترین عاملهای کدنویسی در تحلیل ریشهای حوادث تولید (Production) ناتواناند. این یافتهها شکاف عمیقی را میان قدرت کدنویسی مدلها و…
دستهبندی
تحلیلهای عمیق مدلها، مقالات و بنچمارکها — پیشچاپها، ارزیابیها، مدلهای زبانی پیشرو و پژوهش همراستاسازی.
۶٬۸۳۸ مقاله منتشر شده
محک جدید ORCA-bench نشان میدهد که پیشرفتهترین عاملهای کدنویسی در تحلیل ریشهای حوادث تولید (Production) ناتواناند. این یافتهها شکاف عمیقی را میان قدرت کدنویسی مدلها و…
مدل جدید DeepSeek V4 Flash 0731 در بنچمارکهای هوش مصنوعی با GPT-5.6 Luna برابری کرد، اما هزینهی عملیاتی را ۶۰٪ کاهش داد. این بهروزرسانی جهشی در توانمندیهای عاملمحور و کاهش…
پلتفرم BrassCoders با جداسازی شناسایی خطاهای ساختاری از استدلالهای مبتنی بر قصد، دقت عیبیابی کد را افزایش داده است. این سیستم ابتدا الگوهای شناختهشده را با اسکنرهای قطعی…
شرکت Manifest سرویس مسیریابی مدلهای زبانی را متوقف کرد، زیرا دریافت که جابهجایی پویا بین مدلها بیش از آنکه در هزینه توکنها صرفهجویی کند، باعث ناپایداری و کاهش کیفیت خروجی…
پژوهشگران معتقدند مدلهای استدلالی بزرگ (LRM) بهجای تفکر واقعی، از میانبرهای سطحی و بازیابی تقریبی برای تقلید از استدلال استفاده میکنند. شواهد نشان میدهد که «زنجیرههای تفکر»…
پروژهی WASTE با استفاده از استریم مستقیم وزنها از حافظهی NVMe، اجرای مدلهای تریلیونپارامتری را روی سختافزارهای مصرفکننده ممکن کرد. این موتور توانست مدل عظیم Kimi K3 را روی…
گوگل ابزار تولید تصویر Nano Banana را با گوگل ارث ادغام کرد که امکان ساخت تصاویر هوایی مصنوعی را فراهم میکند. این قابلیت که برای سرگرمی طراحی شده بود، هماکنون برای تولید تصاویر…
دیپسیک مدل V4 Flash 0731 را معرفی کرد؛ مدل استدلالی جدیدی که توازن میان هوش بالا و قیمت بسیار پایین را برقرار کرده است. این مدل در حالی پنجره متنی ۱ میلیون توکنی دارد که هزینه…
بهروزرسانی ۲۸ جولای ۲۰۲۶ در پروتکل زمینهٔ مدل (MCP)، تداوم نشستها در سمت سرور را حذف کرد. اکنون توسعهدهندگان باید تمام حالتهای لازم را از طریق کلاینت منتقل کنند تا از شکست…
پژوهشگران با افزودن یک لایه «سلسلهمراتب اعتماد» به مدل بسیار سبک OPT-125M، توانستند توهمات آن را بهطور مؤثر حذف کنند. این سامانه بهجای تکیه بر اطمینان مدل، اعتبار پاسخها را بر…
تولیدکنندگان پیشرو در سال ۲۰۲۶ از «درخواست» خروجی JSON فاصله گرفته و آن را از طریق محدودیتهای سطح API اجباری کردهاند. این تغییر، خطاهای تجزیه (Parsing) را حذف کرده و معماری…
تیم RepoModernizer با جداسازی لایهی درخواست از لایهی پردازش و استفاده از DynamoDB برای ثبت وضعیت، مشکل «تایماوت» عاملهای هوش مصنوعی را حل کرد. این رویکرد اجازه میدهد…