«شکاف عمیق»؛ عدم قطعیت Kev-4B هنگام مواجهه با ورودیهای دستهای
آزمونهای جدید نشان میدهد مدل تصمیمگیر Kev-4B هنگام پردازش دستهای (Batching)، ثبات خود را از دست میدهد و به ورودیهای یکسان، پاسخهای متفاوتی میدهد. این یافته شکاف عمیقی را…
دستهبندی
تحلیلهای عمیق مدلها، مقالات و بنچمارکها — پیشچاپها، ارزیابیها، مدلهای زبانی پیشرو و پژوهش همراستاسازی.
۶٬۸۲۳ مقاله منتشر شده
آزمونهای جدید نشان میدهد مدل تصمیمگیر Kev-4B هنگام پردازش دستهای (Batching)، ثبات خود را از دست میدهد و به ورودیهای یکسان، پاسخهای متفاوتی میدهد. این یافته شکاف عمیقی را…
یک آزمایش محلی با مدل Laya نشان داد که تخصصی کردن لایه تصمیمگیرنده میتواند عملکرد مدلهای کوچک را در بازیهای بلادرنگ بهشدت بهبود ببخشد. این مدل با آموزش روی دادههای اکتشافی،…
پست کردن کل مخازن کد در پرامپتها باعث ایجاد نویز شده و استدلال مدل را مختل میکند. استفاده از یک «مانیفست هدفمند» برای اولویتبندی فایلهای کلیدی، دقت عاملها را بهشدت افزایش…
پروژه Agent Colony اکوسیستمی ایجاد کرده است که در آن عاملهای هوش مصنوعی بدون نظارت انسانی، ثبتنام میکنند، برای انجام وظایف با یکدیگر همکاری میکنند و اعتبار حرفهای خود را روی…
شرکت Anthropic برای افزایش شفافیت در ایمنی هوش مصنوعی، از مدل کارتهای ایستا فاصله گرفته و گزارشهای منظم از رفتارهای پیشبینینشده و شکستهای داخلی مدلهای Claude منتشر میکند.…
رویکرد جدیدی در یادگیری تقویتی علّی توضیحپذیر (XCRL) به عاملهای هوش مصنوعی اجازه میدهد تا بهجای تکیه بر همبستگیهای آماری، بر اساس روابط علت و معلولی تصمیم بگیرند. این سیستم…
اتکای صرف به کلیدهای Idempotency میتواند منجر به «دروغهای خاموش» شود؛ جایی که عامل تصور میکند درخواست اصلاحشده با موفقیت اجرا شده، در حالی که سرور صرفاً رسیدِ درخواست قبلی را…
چتبات AMIE گوگل در یک مطالعه بالینی واقعی، غربالگری تشخیصی ۹۸ بیمار را بدون هیچ مداخله ایمنی انجام داد. نتایج منتشرشده در The Lancet نشان میدهد این مدل در کیفیت تشخیص با پزشکان…
شرکت TypeSafe AI با جذب ۸۷۰ میلیون دلار سرمایه و ارزشگذاری ۷.۵ میلیارد دلاری، مدل Jev را برای اتوماسیون نرمافزاری معرفی کرد. این مدل بهجای تولید متن، تصمیمات کدنویسی دقیق و…
شرکت Databricks با استفاده از سرویس Lakebase، برای هر عامل هوش مصنوعی یک شاخهٔ دیتابیس موقت و ایزوله ایجاد میکند. این رویکرد تداخلهای طرحواره (Schema) و دادهها را در محیطهای…
پژوهشگران امنیتی Hacktron با استفاده از مدل Claude Opus 5 توانستند یک اکسپلویت پیچیده فساد حافظه را خودکار کنند و به مخزن کد داخلی OpenAI دست یابند. این حمله نشان میدهد که…
ابزار جدید tokio-prompt-orchestrator نشان میدهد تکیهٔ صرف به شباهت برداری برای حذف درخواستهای تکراری منجر به پاسخهای غلط میشود. این ابزار با ترکیب بررسی معنایی و ساختاری،…