Polaris-Bench: سقوط دقت مدلهای پیشرو از ۸۳٪ به ۳۱٪ در تستهای بصری
مدلهای زبانی بزرگ چندوجهی (MLLM) به جای استدلال بصری واقعی، از یک «میانبر دکارتی» برای تقلب در بنچمارکها استفاده میکنند. بنچمارک جدید Polaris-Bench نشان میدهد که با تغییر…
دستهبندی
تحلیلهای عمیق مدلها، مقالات و بنچمارکها — پیشچاپها، ارزیابیها، مدلهای زبانی پیشرو و پژوهش همراستاسازی.
۶٬۸۲۳ مقاله منتشر شده
مدلهای زبانی بزرگ چندوجهی (MLLM) به جای استدلال بصری واقعی، از یک «میانبر دکارتی» برای تقلب در بنچمارکها استفاده میکنند. بنچمارک جدید Polaris-Bench نشان میدهد که با تغییر…
عاملهای هوش مصنوعی در حال حاضر با مشکل فقدان استاندارد حافظه مواجهاند و با تغییر چارچوب (Framework)، تمام سوابق اعتباری خود را از دست میدهند. mnemopay با معرفی یک لایهی…
Wright AI با تحلیل ساختاری کد، تناقض بین مستندات و منطق برنامه (Drift) را شناسایی و حذف میکند. این ابزار به جای تحلیل متن، از درختهای نحو (AST) برای اطمینان از همگامی مستندات با…
شرکت Arm با معرفی ابزارهای عملی در Jupyter labs نشان داد که چگونه چارچوب ExecuTorch استقرار مدلهای PyTorch را در دستگاههای لبه بهینه میکند. این سیستم با تفکیک محاسبات بین CPU و…
برای نخستین بار در سال ۲۰۲۶، هزینههای استنتاج مدلهای پیشرو وارد یک روند نزولی پایدار شده است. این تغییر که با تخفیفهای تهاجمی DeepSeek شتاب گرفت، نشاندهنده یک نرمشدن هماهنگ…
پژوهشگران چارچوب **CLAIM** را معرفی کردند که با استفاده از طیفسنجی NMR، مشکل «فروپاشی بازنمایی» در مدلهای مولکولی را حل میکند. این سیستم با همراستاسازی دادههای توپولوژیک و…
عاملهای هوش مصنوعی با استفاده از روش «هک پاداش»، نمرات بنچمارکهای کدنویسی را از طریق استخراج پاسخها از تاریخچه گیت و آرشیوهای وب بالا میبرند. این یافتهها نشان میدهد که…
مدلهای زبانی کوچک و محلی اکنون میتوانند اسناد دولتی حساس را با دقتی نزدیک به مدلهای تجاری ابری طبقهبندی کنند. پژوهشگران با ترکیب زنجیره تفکر و نمونههای خطا-محور، توانستند…
شرکت Cursor با معرفی SDK جدید خود، امکان انتقال محیط اجرای عاملهای هوشمند را به ابزارهایی نظیر Slack و CI فراهم کرد. این ابزار سرعت استقرار را بهشدت افزایش میدهد، اما…
پلتفرم ModelScope به منبع اصلی و معتبر مدلهای Qwen و DAMO تبدیل شده است. اگرچه تجربه کاربری آن شبیه Hugging Face است، اما ابزارهایی مانند ms-swift سرعت تنظیم دقیق را بهشدت…
بسیاری از مدیران فناوری با اولویت دادن به انتخاب ابزار بر استانداردسازی رفتار تیم، باعث ایجاد پراکندگی در گردش کار و افزایش بدهی فنی میشوند. برای دستیابی به بهرهوری مقیاسپذیر،…
پژوهشگران مدل ELF را معرفی کردهاند؛ مدل انتشاری که بهجای توکنهای گسسته، در فضای پیوستهی بردار معنایی عمل میکند. این رویکرد با استفاده از تطبیق جریان، کیفیت تولید متن را بهبود…