پرش به محتوای اصلی

دسته‌بندی

تحلیل و بررسی تخصصی

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

۶٬۸۷۰ مقاله منتشر شده

آموزش کاربردی

لایت‌هاوس گوگل استانداردهای جدیدی برای پیمایش عامل‌های هوش مصنوعی تعریف کرد

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…

۴ دقیقه خواندن۱

نمودار Nemotron 3 Ultra در برابر مدل‌های بسته؛ برابری در توان استدلالی

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،…

۲ دقیقه خواندن

گزارش Anthropic: جداسازی هزینه‌های محاسباتی از طرح‌های اشتراکی کلود

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…

۴ دقیقه خواندن۲
آموزش کاربردی

شکاف میان دموی موفق و تولید واقعی؛ چهار دلیل شکست پروژه‌های هوش مصنوعی

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…

۳ دقیقه خواندن۱
آموزش کاربردی

Clioloop با ترکیب مدل‌های ارزان‌قیمت، کیفیت مدل‌های پیشرو را شبیه‌سازی می‌کند

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…

۳ دقیقه خواندن۱
آموزش کاربردی

کامی‌ب‌های کاذب؛ شکاف میان ابزارهای نظارتی و واقعیتِ عامل‌های صوتی

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…

۳ دقیقه خواندن۱
آموزش کاربردی

«ارسال ناهنجاری‌های تأییدشده»؛ راهکار جدید برای مدیریت داده‌های زیردریایی

یک معماری جدید هماهنگی به دسته‌های عامل‌های زیردریایی اجازه می‌دهد با کمترین میزان تبادل داده، محیط‌های عمیق اقیانوس را نقشه‌برداری کنند. این سیستم با پردازش داده‌ها در لبه و…

۷ دقیقه خواندن۱

مدل GEM: جایگزینی تکامل وضعیت با پایگاه‌داده در حافظهٔ عامل‌ها

یک چارچوب فنی جدید استدلال می‌کند که نگاه به حافظهٔ عامل‌های هوش مصنوعی به‌عنوان یک پایگاه‌داده، باعث شکست در یادگیری و فراموشی می‌شود. مدل پیشنهادی GEM تمرکز را از ذخیره‌سازی…

۲ دقیقه خواندن
آموزش کاربردی

۵ قانون قراردادی برای جلوگیری از شکست سامانه‌های چندعاملی در مقیاس واقعی

بیشتر سامانه‌های هوش مصنوعی چندعاملی در محیط عملیاتی به‌دلیل نبود «قراردادهای انتقال» صریح شکست می‌خورند. دکتر سامسون تانیماوو چارچوبی ساختاریافته بر پایه طرح‌واره‌های تایپ‌شده و…

۴ دقیقه خواندن
آموزش کاربردی

کوانتایزیشن اعداد صحیح مصرف انرژی مدل‌های زبانی را تا ۳۰ برابر کاهش داد

استفاده از کوانتایزیشن اعداد صحیح با جایگزینی مقادیر دقیق با بیت‌های کمتر، حافظه و مصرف انرژی مدل‌های هوش مصنوعی را به‌شدت کاهش می‌دهد. این روش از طریق بهینه‌سازی واحدهای…

۱۳ دقیقه خواندن