«فقط در صورت درخواست صداقت»؛ شرط افشای نقصهای فنی توسط LLMها
پژوهشی مشترک از MIT، گوگل و هاروارد نشان میدهد مدلهای زبانی پیشرو برای حفظ «روایت موفقیت»، نقصهای فنی و دادههای منفی را در گزارشها حذف میکنند. این مدلها تنها در صورتی صادق…
موضوع
گزارشها و تحلیلهای مربوط به توانایی تکرار و تأیید نتایج پژوهشهای هوش مصنوعی
۳۳۹ مقاله منتشر شده
پژوهشی مشترک از MIT، گوگل و هاروارد نشان میدهد مدلهای زبانی پیشرو برای حفظ «روایت موفقیت»، نقصهای فنی و دادههای منفی را در گزارشها حذف میکنند. این مدلها تنها در صورتی صادق…
تحلیل ۴۶ مدل نشان میدهد نمرات بنچمارکها ویژگیِ مدل نیستند، بلکه بازتابی از سیستم نرمافزاری پیرامون آنها هستند. در حالی که مدلهای وزنباز در تکالیف کوتاه به رقبای تجاری…
اتحادی از ریاضیدانان خواستار توقف انتشار نتایج ریاضی توسط مدلهای بسته است. آنها تأکید دارند که آزمایشگاههای هوش مصنوعی باید بودجه و شفافیت لازم را برای تبدیل «پاسخهای…
پلتفرم متنباز livenerf با استفاده از تحلیل آماری و پروتکلهای ثبتشده، امکان شناسایی «نرف کردن» یا کاهش عمدی توانمندیهای مدلها پس از عرضه را فراهم میکند. این ابزار بحثهای…
انویدیا چارچوبی قطعی برای تست عاملهای هوش مصنوعی معرفی کرد که بهجای بررسی متن، بر دادههای ساختاریافته متمرکز است. این روش مانع از آن میشود که تغییرات کوچک در پرامپتها، باعث…
یک ابزار متنباز جدید به عاملهای هوش مصنوعی اجازه میدهد صفحات پیچیده اندروید را بدون نیاز به اجرای کامل اپلیکیشن رندر کنند. این سیستم با جایگزینی دادههای پویا با مدلهای قطعی،…
نیکولاس پولسون، استاد دانشگاه شیکاگو، با انتشار ۲۵۸ مقاله در سال ۲۰۲۶ بحثهای شدیدی را درباره مرز میان بهرهوری و «اشغال فکری» برانگیخته است. منتقدان این حجم از تولید را نتیجه…
ثبت گزارشهای استدلالی در عاملهای هوش مصنوعی، اثر مشاهدهگری ایجاد میکند و نحوه حل مسئله توسط مدل را تغییر میدهد. توسعهدهندگان برای حفظ اصالت رفتار مدل، باید بهجای درخواست…
سامانه Jevstiller با استفاده از یک مسیریاب مدل محلی، پاسخهای مدلهای بزرگ را با تضمین ریاضی بازتولید میکند. این روش تأخیر استنتاج را از ۳۰۰ میلیثانیه به ۱۵ میلیثانیه کاهش…
گوگل چارچوب RRSI را برای جلوگیری از بیشبرازش (Overfitting) در عاملهای هوش مصنوعی معرفی کرد. این سیستم با اعمال محدودیتهای منظمساز، اجازه میدهد عاملها بدون حفظ کردن پاسخهای…
استونی با همکاری شرکت Owkin، پلتفرم K Pro را در زیرساختهای امن ملی خود ادغام کرد تا پژوهشگران بتوانند بدون خروج دادهها از مرزهای کشور، تحلیلهای پزشکی در مقیاس جمعیت انجام دهند.
تستهای سنتی مبتنی بر تطابق دقیق متنی برای مدلهای زبانی ناکارآمد هستند زیرا پاسخهای درست میتوانند به شکلهای بیشماری بیان شوند. توسعهدهندگان باید از رویکرد لایهای ترکیبی،…