پرش به محتوای اصلی

دسته‌بندی

تحلیل و بررسی تخصصی

تحلیل‌های عمیق مدل‌ها، مقالات و بنچمارک‌ها — پیش‌چاپ‌ها، ارزیابی‌ها، مدل‌های زبانی پیشرو و پژوهش همراستاسازی.

۵٬۷۶۵ مقاله منتشر شده

چرا یادگیری تقویت‌شده در درمان شخصی‌سازی‌شده‌ی سرطان شکست می‌خورد؟

چرا یادگیری تقویت‌شده در درمان شخصی‌سازی‌شده‌ی سرطان شکست می‌خورد؟

پژوهشگران با استفاده از چارچوب استنتاج فعال (Active Inference)، روشی برای بهینه‌سازی درمان‌های شخصی‌سازی‌شده‌ی سرطان ابداع کردند. این مدل با ایجاد تعادل میان جمع‌آوری اطلاعات و…

۱ دقیقه خواندن
مطالعه ArXiv: افزایش مقاومت مدل‌های زبانی در برابر داده‌های متناقض تا ۳۳٪

مطالعه ArXiv: افزایش مقاومت مدل‌های زبانی در برابر داده‌های متناقض تا ۳۳٪

پژوهشگران یک پارادایم رمزگشایی «آگاه از تضاد» معرفی کرده‌اند که مانع از اعتماد کورکورانه‌ی مدل‌ها به داده‌های خارجی نادرست می‌شود. این سازوکار با استفاده از مسیریابی رژیم تطبیقی…

۱ دقیقه خواندن
آمازون: رشد ۱۲ میلیارد دلاری درآمد، لایسنس تجاری Alexa Shopping را ممکن کرد

آمازون: رشد ۱۲ میلیارد دلاری درآمد، لایسنس تجاری Alexa Shopping را ممکن کرد

آمازون فناوری عامل‌محور خرید الکسا را برای خرده‌فروشان شخص ثالث باز کرد. این تصمیم که با برند کیت اسپید آغاز می‌شود، پس از رشد ۱۲ میلیارد دلاری درآمد اتخاذ شد و نشان‌دهنده چرخش…

۱ دقیقه خواندن
سازوکار Kiro آمازون: اجبار هوش مصنوعی به نوشتن سند فنی پیش از کدنویسی
آموزش کاربردی

سازوکار Kiro آمازون: اجبار هوش مصنوعی به نوشتن سند فنی پیش از کدنویسی

آمازون با معرفی Kiro، چرخه رایج «پرامپت-و-اعمال» را با یک گردش کار اجباری بر پایه مستندات جایگزین کرده است. این ابزار ابتدا تولید الزامات و نقشه‌های فنی را تحمیل می‌کند تا از ساخت…

۵ دقیقه خواندن
چرا حفاظ‌های احتمالی عامل‌های هوش مصنوعی خودمختار شکست می‌خورند و چگونه راه‌حل قطعی ساختیم
آموزش کاربردی

Aegis-Layer: سد ریاضی برای توقف نشت داده‌های عامل‌های هوش مصنوعی در ۲ میلی‌ثانیه

پروژه‌ی متن‌باز Aegis-Layer امنیت عامل‌های هوش مصنوعی را از تکیه بر پرامپت‌های احتمالی به اعتبارسنجی ریاضی تغییر داد. این ابزار با استفاده از توکن‌های رمزنگاری‌شده، جلوی نشت…

۴ دقیقه خواندن
کلود فیبل انثروپیک؛ نسخه‌ای از میتوس که امروز در دسترس عموم است

چرا Anthropic برای دستیابی به دقت ۹۰٪، حریم خصوصی شرکت‌ها را قربانی کرد؟

شرکت Anthropic مدل Claude Fable 5 را با دقت ۹۰ درصدی در تحلیل‌های پیچیده عرضه کرد. این مدل در کنار قدرت بالا، هزینه توکن‌ها را دو برابر کرده و ذخیره اجباری داده‌ها برای ۳۰ روز را…

۴ دقیقه خواندن۱
ای.ال.ال.ا — عامل منطق محلی توکار
آموزش کاربردی

جایگزینی «اعتماد» با «معماری»: استراتژی E.L.L.A برای توقف نشت داده‌ها

پروژه E.L.L.A با حذف فیزیکی مسیرهای ارسال داده به ابر، نشت اطلاعات را از طریق محدودیت‌های معماری غیرممکن می‌کند. این دستیار محلی ویندوز، امنیت را به جای تکیه بر قوانین اخلاقی، بر…

۴ دقیقه خواندن
معرفی North Mini Code، نخستین مدل Cohere برای توسعه‌دهندگان
آموزش کاربردی

چگونه مدل ۳۰ میلیاردی North Mini Code غول‌های ۱۲۰ میلیاردی کدنویسی را شکست داد؟

شرکت Cohere مدل North Mini Code را معرفی کرد؛ یک مدل ۳۰ میلیاردی که در مهندسی نرم‌افزار عامل‌محور، عملکرد مدل‌های ۱۲۰ میلیاردی را پشت سر می‌گذارد. این دستاورد مدیون استفاده از…

۹ دقیقه خواندن۱
نمودار معماری عوامل پایدار با تأیید، درخت کار، مهارت، زیرعامل و بازبینی انسانی
آموزش کاربردی

چگونه Atomic با استفاده از TypeScript جلوی توهم عامل‌های کدنویسی را می‌گیرد؟

بسیاری از عامل‌های کدنویسی در وظایف پیچیده شکست می‌خورند چون محدودیت ساختاری ندارند. Atomic با ایجاد یک لایه اجرایی در TypeScript، کنترل دقیق‌تری بر توکن‌ها و خروجی مدل‌ها ایجاد…

۱۵ دقیقه خواندن۵
آیا شرکت‌های فناوری می‌توانند عاشق مدل‌های ارزان‌تر هوش مصنوعی شوند؟

برایان آرمسترانگ: ۸۰٪ از حجم عملیات هوش مصنوعی به مدل‌های ارزان منتقل می‌شوند

صنعت هوش مصنوعی از رویکرد «هرچه بزرگ‌تر، بهتر» به سمت بهره‌وری هزینه‌ای حرکت می‌کند. پیش‌بینی می‌شود ظرف ۱۸ ماه آینده، اکثریت وظایف پردازشی به مدل‌های کوچک‌تر و ارزان‌تر منتقل…

۴ دقیقه خواندن۱