پرش به محتوای اصلی

دسته‌بندی

تحلیل و بررسی تخصصی

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

۶٬۸۲۳ مقاله منتشر شده

RePO: جایگزینی بیشینه‌سازی پاداش با کمینه‌سازی حسرت در همراستاسازی LLM‌ها

چارچوب RePO هدف همراستاسازی مدل‌های زبانی را از بیشینه‌سازی پاداش به کمینه‌سازی حسرت تغییر می‌دهد. این رویکرد با مدل‌سازی ترجیحات انسانی به عنوان زیربهینگی نسبی، عملکرد مدل‌ها را…

۱ دقیقه خواندن

چرا ترکیب زنجیره تفکر و MCTS در مهندسی ویژگی‌های جدولی بهین‌ترین بازدهی را دارد؟

چارچوب جدید LATTEArena نشان می‌دهد که ترکیب زنجیره تفکر و جستجوی درختی مونت‌کارلو، بهینه‌ترین روش برای خودکارسازی مهندسی ویژگی‌ها در داده‌های جدولی است. این مطالعه معیارهای…

۱ دقیقه خواندن

فراتر از داوران LLM: مکانیسم «مداخلاتی» برای ردیابی خطاهای خاموش در عامل‌ها

چارچوب REFLECT با جایگزینی تشخیص‌های غیرفعال با یک چرخه آزمایش-و-خطای فعال، نقاط شکست در سیستم‌های عامل‌محور را شناسایی می‌کند. این روش به‌ویژه برای یافتن «خطاهای خاموش» که از دید…

۱ دقیقه خواندن

چگونه چارچوب «اقتصاد عامل‌ها» از یکسان‌سازی تفکر در مدل‌های زبانی جلوگیری می‌کند

پژوهشگران چارچوب جدیدی به نام «اقتصاد عامل‌ها» را برای جلوگیری از همگرایی رفتاری عامل‌های خودمختار معرفی کرده‌اند. این سیستم با استفاده از همراستاسازی کثرت‌گرایانه، تنوع استدلالی…

۱ دقیقه خواندن۱

کالبدشکافی ناپایداری در عامل‌های AI: از نمونه‌برداری توکن تا نویز زیرساختی

تحلیل فنی جدیدی نشان می‌دهد که نوسانات در خروجی عامل‌های هوش مصنوعی تنها به دلیل تصادفی بودن مدل نیست، بلکه حاصل زنجیره‌ای از خطاهای لایه‌بندی شده است. این پژوهش تفاوت میان تصادفی…

۱ دقیقه خواندن۲

«امنیت رابطه‌ای»: شکافی در ارزیابی‌های فعلی که شخصی‌سازی LLMها ایجاد می‌کند

تحلیل جدیدی هشدار می‌دهد که شخصی‌سازی مدل‌های زبانی از طریق RAG و تنظیم دقیق، ریسک‌های «رابطه‌ای» ایجاد می‌کند که فیلترهای امنیتی استاندارد قادر به شناسایی آن‌ها نیستند. این…

۲ دقیقه خواندن۲

تغییر رویکرد از «دوربین» به «نقشه» در AlloSpatial؛ ارتقای ۱۸ درصدی استدلال مکانی

چهارچوب AlloSpatial با تبدیل دیدهای محدود به نقشه‌های جهانی، مشکل «شکنندگی مکانی» در مدل‌های چندوجهی را حل کرده است. این سیستم استدلال فضایی در مدل‌هایی مانند Qwen3-VL را تا ۱۸٪…

۱ دقیقه خواندن

کاهش نرخ توهم در تشخیص‌های پزشکی به ۳.۳٪ با معماری عامل‌محور Baichuan-M4

سیستم Baichuan-M4 رویکرد هوش مصنوعی در پزشکی را از پاسخ‌های تک‌مرحله‌ای به «مراقبت مستمر» تغییر می‌دهد. این سامانه با بهره‌گیری از معماری عامل‌محور (Agentic) و آموزش تخصصی RL، نرخ…

۱ دقیقه خواندن۱

RTL-BenchLS: نرخ موفقیت مدل‌های زبانی در رفع خطاهای سخت‌افزاری تنها ۱۲٪ است

پژوهشگران با معرفی بنچمارک RTL-BenchLS نشان دادند که حتی پیشرفته‌ترین مدل‌های زبانی در طراحی سخت‌افزارهای پیچیده شکست می‌خورند. این نتایج حاکی از آن است که توانایی مدل‌ها در…

۲ دقیقه خواندن۱

DiScO: ارتقای استدلال ریاضی در مدل‌های زبانی از طریق متنوع‌سازی طرحواره‌های تفکر

چارچوب جدیدی به نام DiScO با متنوع کردن «طرحواره‌های تفکر»، توانایی مدل‌های استدلالی در حل مسائل پیچیده ریاضی را افزایش داده است. این روش با استفاده از یادگیری تقویت‌شده، مدل را…

۱ دقیقه خواندن۱

ARMS: مسیریابی ۸۰۰ میلیون پارامتری که GPT-4o را در انتخاب VLM شکست داد

سامانه‌ی مسیریابی ARMS با بهره‌گیری از یک مجموعه‌داده‌ی تخصصی، قادر است بهینه‌ترین مدل چندوجهی را برای هر پرس‌وجو انتخاب کند. این سیستم با وجود ابعاد بسیار کوچک‌تر، در دقت انتخاب…

۱ دقیقه خواندن

OrderPlace: کاهش ۳۴ درصدی طول سیم‌کشی تراشه با توالی‌های بهینه شده توسط LLM

چارچوب جدیدی به نام OrderPlace با استفاده از تکامل مدل‌های زبانی بزرگ، توالی قرارگیری ماکروها در طراحی تراشه را بهینه می‌کند. این رویکرد با جایگزینی قوانین ایستا با سیاست‌های…

۱ دقیقه خواندن۱