نقشهٔ حافظهٔ مدلها؛ ابزاری برای سنجش میزان حضور انسانها در وزنهای AI
کارمند سابق OpenAI ابزاری را معرفی کردند که میزان تثبیت نام و هویت افراد در وزنهای مدلهای زبانی بزرگ را اندازهگیری میکند. این سامانه نشان میدهد که آیا یک مدل، شما را به…
دستهبندی
تحلیلهای عمیق مدلها، مقالات و بنچمارکها — پیشچاپها، ارزیابیها، مدلهای زبانی پیشرو و پژوهش همراستاسازی.
۶٬۸۵۲ مقاله منتشر شده
کارمند سابق OpenAI ابزاری را معرفی کردند که میزان تثبیت نام و هویت افراد در وزنهای مدلهای زبانی بزرگ را اندازهگیری میکند. این سامانه نشان میدهد که آیا یک مدل، شما را به…
پلتفرم Neural Inverse Cloud با معرفی یک IDE ابری، محدودیتهای دسترسی به مدلهای هوش مصنوعی را از طریق مسیریابی درخواستها بر اساس پیچیدگی وظایف برطرف کرده است. این سیستم بهجای…
تحلیل فنی معماری Forge-AI نشان میدهد که عاملهای هوشمند میتوانند با تقلید از جریان کاری برنامهنویسان، از سیستمهای AV، EDR و Zero Trust عبور کنند. این تهدیدات با استفاده از…
گذار از RAG استاندارد به سیستمهای عاملمحور، هوش مصنوعی را از یک «کتابدار» به «مدیر پروژه» تبدیل میکند. این تغییر، موانع زیرساختی جدی از جمله پیچیدگی مسیریابی ابزارها و جهشهای…
تالوس یک مفسر جدید برای WebAssembly است که با استفاده از زبان Lean 4، اجرای کد را با اثبات ریاضی ادغام میکند. این ابزار به توسعهدهندگان اجازه میدهد صحت برنامهها را در همان کدِ…
تشخیص توهم در عاملهای هوش مصنوعی نیازمند ثبت خروجیهای خام ابزارها و متون بازیابیشده است، نه فقط بررسی پاسخ نهایی. تفکیک خطاها به سه دسته مشخص، جایگزینی «حس کلی» را با سنجههای…
گوگل در نسخه ۱۳.۳ لایتهاوس، دستهبندی آزمایشی Agentic Browsing را برای سنجش توانایی عاملهای AI در پیمایش وب معرفی کرد. این ارزیابی بر دسترسیپذیری، پایداری بصری و استاندارد جدید…
انویدیا مدل Nemotron 3 Ultra را معرفی کرد که برخلاف مدلهای پیشرو، نه تنها وزنها، بلکه دادههای آموزشی و متدهای ساخت را نیز بهصورت باز منتشر کرده است. این مدل با معماری ترکیبی،…
شرکت Anthropic در تلاش است تا هزینهی استفاده از عاملهای خودکار را از طرحهای اشتراکی جدا کرده و به صورت پرداخت بهازای مصرف (Metered Billing) درآورد. این حرکت سیگنالی از تغییر…
بسیاری از پیشنمونههای هوش مصنوعی به دلیل اتکای به ارزیابی انسانی و نادیده گرفتن هزینههای مقیاس، در مرحله تولید شکست میخورند. برای موفقیت، باید ارزیابی را به عنوان یک زیرساخت…
پروژه متنباز Clioloop با استفاده از مکانیزم «تلفیق عاملمحور»، پاسخهای باکیفیت را از ترکیب چندین مدل کوچک و ارزان تولید میکند. این سیستم با جایگزینی یک مدل واحد و گران با تیمی…
ابزارهای استاندارد نظارت بر مدلهای زبانی، بخش بزرگی از تأخیرهای لایهی صوتی را نادیده میگیرند. توسعهدهندگان برای رفع این مشکل باید از ابزارهای مبتنی بر OpenTelemetry استفاده…