«پوسیدگی متنی»: چرا ۲۳ درصد از تنظیمات دستیارهای کدنویس منسوخ میشوند؟
پژوهشی جدید نشان میدهد Nearly یکچهارم از مخازن کد که از تنظیمات متنی برای هدایت هوش مصنوعی استفاده میکنند، با دادههای منسوخ روبهرو هستند. این پدیده که «پوسیدگی متنی» نامیده…
موضوع
Autonomous agents, tool use, planning, multi-step workflows
۷٬۳۳۲ مقاله منتشر شده
پژوهشی جدید نشان میدهد Nearly یکچهارم از مخازن کد که از تنظیمات متنی برای هدایت هوش مصنوعی استفاده میکنند، با دادههای منسوخ روبهرو هستند. این پدیده که «پوسیدگی متنی» نامیده…
چارچوب SafeRun با جداسازی تفسیر زبان طبیعی از اجرای محدودیتهای سخت، ایمنی کامل در برنامهریزیهای ورزشی را تضمین میکند. این متد در بنچمارکهای جدید، عملکرد مهندسی پرامپت و…
پژوهشگران ابزاری به نام ATM را معرفی کردهاند که ارزیابی مدلهای جهانی نهفته را به جای اجرای کند شبیهسازها، با پروبهای سبک انجام میدهد. این متد با شناسایی سریع شکستهای…
پژوهشگران با ابداع یک چرخهٔ چندعاملی شامل «هکر» و «اصلاحگر»، نرخ موفقیت حملات پاداشجویانه در بنچمارکهای هوش مصنوعی را به صفر رساندند. این روش با خودکارسازی شناسایی و وصله کردن…
چارچوب آموزشی جدیدی به نام PACT با تفکیک پارادایمهای استدلالی به شاخههای مجزای LoRA، دقت مدلهای زبانی در تشخیص پزشکی را بهبود بخشیده است. این سیستم از طریق تجمیع شاخهها بر…
پژوهشگران پدیده «حذف خاموش دامنه» (SSO) را شناسایی کردهاند؛ اختلالی که در آن مدلهای زبانی قوانین کلی را میپذیرند اما استثنائات تودرتو را نادیده میگیرند. راهکار پیشنهادی،…
پژوهشگران با معرفی SpineAgent، سیستمی عاملمحور ساختهاند که گزارشهای پیچیده MRI ستون فقرات را از طریق هماهنگی ۳۷ عامل تخصصی تولید میکند. این مدل با آموزش روی ۱۳ میلیون برش…
آداپتور جدیدی به نام SIGA با ایجاد یک لایهی «مبنیسازی» از قواعد و حافظه، امکان تعامل عاملهای کدنویسی با شبیهسازهای پیچیده علمی را فراهم میکند. این سیستم در آزمایشهای مربوط…
پروتکل همکاری انسان-عامل (CHAP) یک فضای کاری ساختاریافته برای تبدیل گفتگوهای گذرا با هوش مصنوعی به مدارک قانونی و تصمیمات امضاشده ایجاد میکند. این استاندارد، شکاف میان مدیریت…
یک مطالعه جدید نشان میدهد که بازخوردهای هدفمند کیفیت گزارشهای عاملهای پژوهش عمیق را افزایش میدهد، اما این پیشرفت در دورههای تکرار متوالی پایداری ندارد. این عاملها هنگام رفع…
مدل با وزنهای باز SearchSwarm-30B با درونیسازی «هوش تفویض» در وزنهای خود، محدودیت پنجره متنی را در وظایف پژوهشی پیچیده برطرف کرده است. این مدل قادر است اهداف کلان را به…
پژوهشگران پیشزمینه جدیدی به نام PRIME را شناسایی کردهاند که امکان پیشبینی تقلب در پاداش (Reward Hacking) را پیش از بروز شکست عملی فراهم میکند. این یافته، رویکرد همراستاسازی…