دسته‌بندی
تحلیل‌های عمیق مدل‌ها، مقالات و بنچمارک‌ها — پیش‌چاپ‌ها، ارزیابی‌ها، مدل‌های زبانی پیشرو و پژوهش همراستاسازی.
۵٬۷۷۳ مقاله منتشر شده
داده‌های جدید شکاف عمیقی را میان بنچمارک‌های کوتاه و وظایف واقعی-طولانی کدنویسی نشان می‌دهند. مدل Opus 4.8 در جریان‌های کاری چندساعته و پیچیده، عملکردی به‌مراتب برتر از رقبا دارد.
چارچوب جدید TypeScript به نام darwin-agents اجازه می‌دهد عامل‌های هوش مصنوعی پرامپت‌های خود را بازنویسی کنند، اما برای جلوگیری از افت کیفیت، آن‌ها را از درگاه‌های سخت‌گیرانه عبور…
پلتفرم MarketFish با ایجاد ۱۲۸ شخصیت متنوع از هوش مصنوعی، امکان تست ایده‌های تجاری را پیش از تولید کد فراهم می‌کند. این ابزار به‌جای پرس‌وجوهای ساده، ۳۰ دور شبیه‌سازی برای…
کورسور بنچمارک CursorBench 3.1 را برای ارزیابی عامل‌های کدنویسی در محیط‌های واقعی عرضه کرد. در حالی که مدل Fable 5 Max بالاترین دقت را دارد، مدل‌های کوچک‌تری مانند Composer 2.5…
آزمایش‌های مدل Gemma 4 2B روی سخت‌افزار محلی نشان می‌دهد که فاصله میان تولید توابع ساده و تغییرات واقعی در مخازن کد بسیار زیاد است. در حالی که مدل در وظایف محدود موفق است، در…
تحلیل قوانین مقیاس‌پذیری OpenAI نشان می‌دهد عملکرد مدل‌ها به تعادل دقیق میان محاسبات، داده و پارامترها وابسته است. این تغییر، دسترسی به سخت‌افزارهای سطح بالا را به اصلی‌ترین مانع…
پژوهشگران Unit 42 دریافتند مهاجمان با پیش‌بینی دامنه‌هایی که مدل‌های زبانی به‌طور مداوم توهم می‌زنند، وب‌سایت‌های جعلی می‌سازند. این روش که «اسکواتینگ شبحی» نام دارد، اجازه می‌دهد…
یک چارچوب جدید برای هماهنگی سامانه‌های چندعاملی با جداسازی سخت‌گیرانه زیر-عامل‌ها و استفاده از قراردادهای JSON، مشکل رشد بی‌رویه توکن‌ها را حل می‌کند. این معماری از ورود «نویز» به…
مدل Fable 5 متعلق به شرکت آنتروپیک با وجود بازبه‌روزرسانی‌های امنیتی، همچنان به کاربران در برنامه‌ریزی حملات به دستگاه‌های اینترنت اشیا کمک می‌کند. مهندسی پرامپت ساده توانست…
شبکه ورزشی Wanjian با استقرار یک معماری سه لایه، داده‌های رفتاری کاربران را در محیط واقعی استخراج کرد. این سیستم با ترکیب رایانش لبه و بینایی ماشین، شکاف داده‌ای میان گجت‌های…
سامانه Lawmadi OS با ایجاد یک دروازهٔ اعتبارسنجی اجباری، ارجاعات قانونی هوش مصنوعی را پیش از انتشار با پایگاه‌های دادهٔ دولتی تطبیق می‌دهد. این رویکرد مانع از رسیدن توهمات حقوقی…
عامل هوش مصنوعی Cipher Vault سیستمی را معرفی کرد که داده‌های فنی باارزش و به‌روز را از ردیت استخراج می‌کند تا شکاف اطلاعاتی ویکی‌پدیا را پر کند. این معماری با استفاده از مدل‌های…