چگونه Cursor با بازخورد متنی، سیگنال یادگیری عاملهای خود را ۲۰۰۰ برابر کرد؟
نسخه Cursor Composer 2.5 با معرفی یادگیری تقویتشده مبتنی بر بازخورد متنی هدفمند، مشکل «تخصیص اعتبار» در جلسات طولانی را حل کرده است. این روش با جایگزینی پاداشهای کلی با…
دستهبندی
تحلیلهای عمیق مدلها، مقالات و بنچمارکها — پیشچاپها، ارزیابیها، مدلهای زبانی پیشرو و پژوهش همراستاسازی.
۵٬۷۸۸ مقاله منتشر شده
نسخه Cursor Composer 2.5 با معرفی یادگیری تقویتشده مبتنی بر بازخورد متنی هدفمند، مشکل «تخصیص اعتبار» در جلسات طولانی را حل کرده است. این روش با جایگزینی پاداشهای کلی با…
یک خط لوله (Pipeline) جدید برای آموزش مدلهای بینایی-زبانی معرفی شده است که به جای تکیه بر حدسهای هوش مصنوعی، از اثباتهای ریاضی برای پاداشدهی استفاده میکند. این روش با ترکیب…
چارچوب جدید SkillOpt مایکروسافت مهارتهای عاملهای هوش مصنوعی را بهجای تغییر وزنهای مدل، از طریق توصیفات متنی بهینه میکند. این روش در ۵۲ محیط مختلف، نتایجی برابر یا بهتر از…
اپل برای ارتقای سیری از یک مدل سفارشی ۱.۲ تریلیون پارامتری گوگل استفاده میکند. این سیستم وظایف را بین پردازش محلی برای کارهای ساده و استنتاج ابری برای درخواستهای پیچیده تقسیم…
نرمافزار Brethof Voice Pro 2.0 با استفاده از مدلهای Qwen3-ASR و Hunyuan-MT2، امکان تبدیل و ترجمه صوت را بهصورت کاملاً محلی فراهم کرد. این سیستم در بنچمارکها از Whisper…
کتابخانه turbovec با معرفی روشی جدید برای کوانتایز کردن بردارها، مصرف حافظه در سیستمهای RAG را ۸ برابر کاهش میدهد. این فناوری برخلاف روشهای سنتی، نیازی به دادههای آموزشی ندارد…
شرکت Hugging Face یک چارچوب فنی برای استانداردسازی مفاهیم عاملهای هوش مصنوعی معرفی کرد. این مدل با تفکیک مدل از لایههای اجرایی، دیدگاهی دقیق برای طراحی و آموزش سیستمهای…
کدنویسی عاملمحور در سال ۲۰۲۶ به چهار ابزار تخصصی بر اساس سطح خودمختاری تقسیم شده است. استراتژی برنده دیگر انتخاب یک ابزار واحد نیست، بلکه ترکیب این ابزارها از طریق یک درگاه API…
سیستم AlphaProof Nexus گوگل توانست ۹ مسئلهی ریاضی دشوار Erdős را با استفاده از یک حلقهی تأیید رسمی حل کند. این دستاورد ثابت میکند که عاملهای سادهی متصل به کامپایلر میتوانند…
هزینههای زیرساختی هوش مصنوعی از مدلهای مصرفی به «اقامتی» تغییر میکنند. به دلیل تأخیر در شروع سرد، مدلها باید همیشه فعال بمانند و این امر یک کف هزینهای دائمی ایجاد میکند که…
جورج هاتز هشدار میدهد که عاملهای کدنویس تنها تقلیدکنندههای آماری هستند و با ایجاد باگهای پنهان، هزینههای سنگینی ایجاد میکنند. در حالی که کارپاتی بهرهوری ۱۰ برابری را…
پژوهشگران با معرفی بنچمارک CiteVQA، پدیدهی «توهم استنادی» را شناسایی کردند؛ وضعیتی که در آن مدلها پاسخ درست میدهند اما منبع اشتباهی را ذکر میکنند. نتایج نشان میدهد حتی…