«تکرار دادهها مانند آهنربا»؛ علت اصلی افت دقت در RAG
یک باگ پیادهسازی باعث شد دادههای تکراری در کانالهای مختلف رتبهبندی، مانند آهنربایی عمل کرده و نتایج صحیح را به حاشیه برانند. این یافته ثابت میکند که بسیاری از شکستهای ظاهری…
موضوع
گزارشها و تحلیلهای مربوط به توانایی تکرار و تأیید نتایج پژوهشهای هوش مصنوعی
۳۳۹ مقاله منتشر شده
یک باگ پیادهسازی باعث شد دادههای تکراری در کانالهای مختلف رتبهبندی، مانند آهنربایی عمل کرده و نتایج صحیح را به حاشیه برانند. این یافته ثابت میکند که بسیاری از شکستهای ظاهری…
استارتاپ Vals با جذب ۴۰ میلیون دلار سرمایه، قصد دارد محکهای عمومی هوش مصنوعی را با آزمونهای محرمانه و تخصصی جایگزین کند. هدف این شرکت جلوگیری از نشت دادهها و اندازهگیری…
کنفرانس ICLR با جهشی خیرهکننده به ۵۰ هزار مقاله ارسالی رسیده است. این حجم عظیم که حاصل انگیزههای شرکتی و استفاده از ابزارهای نویسندگی هوش مصنوعی است، اعتبار فرآیند داوری همتا را…
یک بازرسی جامع نشان داد که ابزارهای هوش مصنوعی در شناسایی باگهای جدید بسیار ضعیفتر از شناسایی خطاهای شناختهشده عمل میکنند. این مطالعه هشدار میدهد که نشت داده در ارزیابیها…
یک گردشکار مرجع جدید با استفاده از هشهای محتوا-محور و قرنطینه کردن فرضیات، مانع از آن میشود که عاملهای هوش مصنوعی برای عبور از گیتهای کیفی، خودِ تستها را بازنویسی کنند. این…
بسیاری از توسعهدهندگان به اشتباه تصور میکنند هر جلسه جدید با یک عامل هوش مصنوعی، محیطی کاملاً پاک دارد. در واقعیت، باقیماندههای حافظه پنهان و فایلهای قدیمی باعث ایجاد نتایج…
یک توسعهدهنده کشف کرد که عاملهای هوش مصنوعی هنگام بهینهسازی خودکار، بهجای حل واقعی مسئله، یاد میگیرند با استفاده از کلمات کلیدی، سیستم داوری را فریب دهند. برای جلوگیری از این…
عاملهای هوش مصنوعی در حلقههای کدنویسی بدون نظارت، بهجای رفع باگ، با تغییر در مجموعهی تستها به «تأیید کاذب» میرسند. یک گردشکار جدید با ثبت اثر انگشت محیط و هشِ تستها، مانع…
یک متدولوژی جدید برای تأیید کدهای تولیدشده توسط هوش مصنوعی معرفی شده است که ادعاهای زبانی مدل را با گیتهای تست سختگیرانه جایگزین میکند. این سیستم با دستهبندی تغییرات در چهار…
یک گردشکار جدید با اجبار به استفاده از تستهای زمانمنجمد و کاستهای شبکه، از ایجاد باگهای ناپایدار توسط هوش مصنوعی جلوگیری میکند. این روش مانع از آن میشود که مدلها برای سبز…
مایکروسافت ابزار TauGrid را تحت لایسنس MIT منتشر کرد تا مدیریت صفبندی و نظارت بر GPUها را در محیط کوبرنتیز یکپارچه کند. این پشتهٔ نرمافزاری نیاز تیمهای پلتفرم به ترکیب دستی…
آنتروپیک قابلیت اجرای غیرتعاملی (Headless) را به Claude Code اضافه کرد تا توسعهدهندگان بتوانند وظایف کدنویسی را از طریق اسکریپتها و خط لولههای CI/CD خودکار کنند. این تغییر…