خطاهای آماری در مجموعههای ارزیابی کوچک؛ عامل شکست تولیدات AI
بسیاری از تیمهای هوش مصنوعی بهجای اتکای به آمار، بر اساس «حس درونی» و نمونههای کوچک تصمیم میگیرند. بهکارگیری چهار عادت آماری ساده میتواند مانع از ارسال تغییرات بیاثر یا حذف…
دستهبندی
تحلیلهای عمیق مدلها، مقالات و بنچمارکها — پیشچاپها، ارزیابیها، مدلهای زبانی پیشرو و پژوهش همراستاسازی.
۶٬۸۳۸ مقاله منتشر شده
بسیاری از تیمهای هوش مصنوعی بهجای اتکای به آمار، بر اساس «حس درونی» و نمونههای کوچک تصمیم میگیرند. بهکارگیری چهار عادت آماری ساده میتواند مانع از ارسال تغییرات بیاثر یا حذف…
تمرکز بیش از حد بر فیلترهای پسپردازش ایمنی باعث میشود مدلهای هوش مصنوعی پاسخهایی میدهند که از نظر زبانی بینقص اما از نظر محتوایی کاملاً بیربط هستند. این «پارادوکس ایمنی»،…
محک جدید Drone-Bench نشان میدهد مدلهای هوش مصنوعی پیشرو در حال حاضر قادر به اجرای زنجیرهای از وظایف برای نظارت خودمختار نیستند. اگرچه این مدلها در تکوظیفهها موفقاند، اما در…
مدل Llama 4 Scout پنجره متنی ۱۰ میلیون توکنی را ادعا میکند، اما تحلیلهای فنی نشان میدهد این عدد صرفاً یک گسترش ریاضی است. در حالی که مدل در یافتن تکه-اطلاعات موفق است، توانایی…
یک استراتژی جدید با دور زدن قفلهای سراسری در سیستم LISTEN/NOTIFY پستگرس، گلوگاههای قدیمی این پایگاهداده را از بین برد. این روش با بافری کردن اعلانها در حافظه، امکان استریم…
یک توسعهدهنده کشف کرد که Codex متعلق به OpenAI بدون رضایت صریح، تمام تاریخچه خصوصی گیت او را به سرورهای این شرکت منتقل کرده است. این ابزار با استفاده از عبارات گمراهکننده،…
آنتروپیک مدل Claude Opus 5 را معرفی کرد که هوش سطح بالای Fable 5 را با نیمی از هزینه ارائه میدهد. این مدل با تمرکز بر کارایی، کاهش محدودیتهای ایمنی و توانمندی بیشتر در…
شرکت آنتروپیک مدل Claude Opus 5 را معرفی کرد که توانمندیهای استدلالی مدل Fable 5 را با هزینه بهمراتب کمتر ارائه میدهد. این مدل با کاهش ۲۶ درصدی توکنهای مصرفی در پردازشهای…
دولت ترامپ با راهاندازی «مأموریت جنسیس»، بودجهای ۵ میلیارد دلاری را برای تسریع اکتشافات علمی از طریق هوش مصنوعی اختصاص داد. این طرح اولویتهای پژوهشی آمریکا را از علوم زیستی…
ابزارهای ردیابی (Tracing) متداول در تایپاسکریپت بهدلیل از دست رفتن بافتار در عملیات ناهمگام و چرخهحیات استریمینگ، برای نظارت بر عاملهای هوش مصنوعی ناکارآمد هستند. برای حل این…
شرکت Sakana AI نسخه ۱.۱ مدل Fugu Ultra را منتشر کرد که با توزیع هوشمند درخواستها بین مدلهای برتر، نتایجی بهتر از مدل Fable 5 آنتروپیک ثبت کرده است. نکته حیرتآور این است که…
بررسی لاگهای سرور نشان میدهد رباتهای اصلی مانند GPTBot و ClaudeBot استانداردهای llms.txt را نادیده میگیرند. متخصصان هشدار میدهند این فایل در حال تبدیل شدن به یک برچسب منسوخ…