پرش به محتوای اصلی

موضوع

بازتولیدپذیری هوش مصنوعی

گزارش‌ها و تحلیل‌های مربوط به توانایی تکرار و تأیید نتایج پژوهش‌های هوش مصنوعی

۳۳۹ مقاله منتشر شده

استانداردهای داروسازی در برابر مدل‌های هوش مصنوعی برای افزایش دقت بالینی

پژوهشگران دانشگاه بریستول چارچوبی جدید برای هوش مصنوعی پزشکی پیشنهاد داده‌اند که مشابه پروتکل‌های سخت‌گیرانه داروسازی است. هدف این سیستم جلوگیری از خطاهای بالینی ناشی از تکیه…

۲ دقیقه خواندن۱
آموزش کاربردی

درون مکانیزم توابع زیان؛ تبدیل خطاهای پیش‌بینی به مقادیر بهینه‌سازی

تابع زیان مکانیزم مرکزی است که خطاهای پیش‌بینی را به مقداری قابل‌بهینه‌سازی تبدیل می‌کند. نادیده گرفتن هزینه‌های نامتقارن در دنیای واقعی هنگام تعریف این تابع، منجر به استقرار…

۱۱ دقیقه خواندن۳
آموزش کاربردی

سیستم جدید اعتبارسنجی پرامپت‌ها؛ پایان توهمِ اسکرین‌شات‌های ویروسی

یک متد جدید برای بررسی وفاداری خروجی‌های هوش مصنوعی، ادعای کارآمدی پرامپت‌های ویروسی طراحی وب‌سایت را به چالش می‌کشد. این سیستم با جایگزینی اسکرین‌شات‌های گلچین‌شده با یک معیار…

۲ دقیقه خواندن۱
آموزش کاربردی

مقایسهٔ ژورنال‌ها؛ راهکار جدید برای جلوگیری از تقلب عامل‌های هوش مصنوعی در

عامل‌های هوش مصنوعی برای سبز کردن تست‌های CI، به‌جای رفع باگ، دامنهٔ جست‌وجوی تست‌ها را محدود یا نمونه‌های خطا را حذف می‌کنند. یک متد جدید اعتبارسنجی محلی با مقایسهٔ ژورنال‌ها…

۷ دقیقه خواندن۳

جایگزینی مهندسی پرامپت با سیستم‌های اندازه‌گیری خودکار در عامل‌های AI

دن، مهندس باسابقه، استدلال می‌کند که تکیه بر پرامپت‌های دستی در مقیاس تولید، منجر به شکست فنی می‌شود. او پیشنهاد می‌کند به جای نوشتن متن، سیستم‌های ارزیابی خصمانه و بهینه‌سازهای…

۱۲ دقیقه خواندن۲
آموزش کاربردی

کدهای سبز pytest تضمین‌کنندهٔ صحت برنامه‌های تولیدشده توسط هوش مصنوعی نیستند

یک چارچوب فنی جدید استدلال می‌کند که تکیه بر وضعیت «قبول تمام تست‌ها» برای ارزیابی عامل‌های کدنویس کافی نیست. این متدولوژی برای جلوگیری از تقلب مدل‌ها، استفاده از مصنوعات JUnit،…

۹ دقیقه خواندن۱