گزارش فنی: دموهای تبلیغاتی معیاری نادرست برای سنجش عملکرد Copilot هستند
ارزیابی عاملهای هوش مصنوعی بر اساس دموهای تبلیغاتی، منجر به تصمیمات نادرست میشود. یک تست ساختاریافته با سه سناریوی مشخص، توانایی عامل در مدیریت رگرسیونها و مرزهای تصمیمگیری…
دستهبندی
تحلیلهای عمیق مدلها، مقالات و بنچمارکها — پیشچاپها، ارزیابیها، مدلهای زبانی پیشرو و پژوهش همراستاسازی.
۶٬۸۴۰ مقاله منتشر شده
ارزیابی عاملهای هوش مصنوعی بر اساس دموهای تبلیغاتی، منجر به تصمیمات نادرست میشود. یک تست ساختاریافته با سه سناریوی مشخص، توانایی عامل در مدیریت رگرسیونها و مرزهای تصمیمگیری…
گزارش جدید OpenAI نشان میدهد بسیاری از جدولهای رتبهبندی کدنویسی بهدلیل تداخل دادههای آموزشی و آزمون غیرقابلاعتماد هستند. این تحلیل تأکید میکند که نمرات بدون بررسی دقیق نشت…
یک الگوی ادغام جدید برای Claude Sonnet 5 بر استفاده از آداپتورهای تأمینکننده بهجای کدنویسی مستقیمِ وابسته به فروشنده تأکید میکند. این رویکرد با جداسازی فرمت مدل از منطق اصلی…
مدلهای صوتی OpenAI در نمایش «حق تقدمِ گفتگو» مشکل دارند و کاربر نمیداند چه کسی سخن میگوید یا گوش میدهد. برای حل این چالش، یک مدل رابط کاربری مبتنی بر «ماشین حالت» پیشنهاد شده…
انویدیا در GTC تایپه ۲۰۲۶ چارچوبی برای افزایش پایداری عاملهای هوش مصنوعی معرفی کرد که در بازههای زمانی طولانی فعال هستند. این سیستم با استفاده از مکانیزمهای اجاره، ضربان قلب و…
یک چارچوب جدید برای تست PCهای هوش مصنوعی معرفی شده است که بهجای تمرکز بر اعداد خام سختافزاری، بر سناریوهای واقعی چرخهٔ عمر دستگاه تمرکز میکند. این متد بهویژه نحوهی رفتار…
بررسی ۱۰۰ پروژه متنباز نشان میدهد اکثر آنها از فایلهای دستوری «نامرئی» استفاده میکنند که بهطور خودکار در دستیارهای هوش مصنوعی بارگذاری میشوند. این لایهها اغلب حجیم و…
اعطای دسترسی مدیریتی گسترده به مدلهای زبانی بزرگ در وردپرس، حفرههای امنیتی خطرناکی ایجاد میکند. شرکت Vinkius با معرفی یک سرور MCP «جراحی»، دسترسیها را به نقش مشترک محدود کرده…
یک چارچوب ارزیابی جدید با استفاده از دو پیادهسازی مستقل از کد، باگهای پیچیدهای را میگیرد که تستهای سنتی نادیده میگیرند. این سیستم با تطبیق خروجیهای دو موتور مجزا، سطح…
مایکروسافت برای جلوگیری از شکست پروژهها در محیط عملیاتی، معماری تیمز ۲۰۲۶ را به دو بخش بوتهای برنامهریزیشده و عاملهای خودمختار تقسیم کرد. توسعهدهندگان اکنون برای عبور از سقف…
انتقال اجرای عاملهای هوش مصنوعی از محیطهای ایزوله ابری به سختافزار محلی کاربر، تأخیر را کاهش و هزینههای ارائهدهنده را حذف میکند. Codex App Server اکنون یک محیط اجرای…
سیستمهای نظارتی رایج نمیتوانند رشد تدریجی و کند هزینههای ورودی در عاملهای هوش مصنوعی را تشخیص دهند. تکنیک جدید «لنگر یخزده» نشان میدهد چگونه افزایش روزانه ۰.۳۵ درصدی…