پرش به محتوای اصلی

موضوع

بازتولیدپذیری هوش مصنوعی

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

۲۳۴ مقاله منتشر شده

نمایی از مجموعه داده ویدیویی بزرگ LAION: نمونه‌هایی از محتوای متنوع ویدیویی در مقیاس گسترده

مجموعه داده LAION-BVD: ۱۰ میلیون ساعت ویدیو برای پیش‌آموزش مدل‌های چندوجهی

پروژه LAION یک مجموعه داده باز به نام LAION-BVD شامل ۸۰ میلیون ویدیو و ۱.۳ میلیارد URL منتشر کرد. این اقدام با هدف شکستن انحصار غول‌های فناوری بر داده‌های آموزشی مقیاس‌بزرگ برای…

۳ دقیقه خواندن۱
لوگوی MyZubster: اکوسیستم دیجیتال قابل‌تأیید، فراتر از یک اپلیکیشن معمولی
آموزش کاربردی

پروژه MyZubster: جایگزینی توهمات هوش مصنوعی با شواهد قابل راستی‌آزمایی

پروژه MyZubster با ایجاد یک اکوسیستم متن‌باز، هوش مصنوعی را از جایگاه «منبع حقیقت» به یک «ابزار تفسیر» تغییر می‌دهد. این سیستم با اتصال حسگرهای اینترنت اشیا و زنجیره بلوک‌چین،…

۵ دقیقه خواندن۱
چه زمانی Codex باید از چند عامل استفاده کند؟ یک معیار سنجش، نه یک شعار.
آموزش کاربردی

آیا افزودن عامل‌های هوش مصنوعی لزوماً کیفیت خروجی مهندسی را افزایش می‌دهد؟

محک جدید Codex How To نشان می‌دهد افزودن عامل‌های بیشتر لزوماً کیفیت کد را بالا نمی‌برد، بلکه هزینه توکن و ریسک ادغام را افزایش می‌دهد. این مطالعه تأکید می‌کند ارکستراسیون تنها…

۶ دقیقه خواندن
نظر: بازبین هوش مصنوعی شما تنها مرحله خط لوله‌ای است که هیچ‌کس تست نمی‌کند
آموزش کاربردی

تحلیل فنی: رانش خاموش مدل‌های AI نرخ تشخیص باگ را کاهش می‌دهد

بازبین‌های کد مبتنی بر هوش مصنوعی دچار «رانش خاموش» می‌شوند؛ وضعیتی که در آن به‌روزرسانی‌های مدل، نرخ تشخیص خطا را بدون ایجاد هشدار کاهش می‌دهد. راهکار این مشکل، ایجاد یک مجموعه…

۵ دقیقه خواندن
قانون‌های مقیاس‌پذیری تقطیر: انتقال دانش فیزیک به آموزش

اپل قوانین مقیاس‌پذیری تقطیر مدل‌ها را به یک مسئله ریاضی تبدیل کرد

پژوهشگران اپل نخستین قوانین مقیاس‌پذیری پیش‌بینی‌پذیر برای تقطیر دانش را تدوین کردند. این دستاورد، آموزش مدل‌های کوچک را از یک فرآیند آزمون و خطا به یک مسئله بهینه‌سازی ریاضی دقیق…

۲ دقیقه خواندن۱
شش پست درباره گروه‌بندی و تنظیم، و آن چیز ناخوشایندی که همه درباره‌اش شدند.
آموزش کاربردی

بسیاری از بنچمارک‌های هوش مصنوعی گزارشِ شانس هستند، نه برتری الگوریتمی

آزمایش‌های جدید نشان می‌دهد شکاف عملکردی بین روش‌های پیچیده تنظیم مدل، اغلب کوچک‌تر از نویز ایجاد شده توسط بذرهای تصادفی است. این یافته یعنی بسیاری از ادعاهای برتری فنی در مقالات…

۶ دقیقه خواندن
بسته شواهد تأیید عامل کدنویسی شامل چه مواردی است؟
آموزش کاربردی

آیا CodeVetter می‌تواند ابهام در گزارشات عامل‌های کدنویس را حذف کند؟

پلتفرم CodeVetter چارچوبی برای ایجاد «بسته‌های شواهد تأیید» معرفی کرد تا جایگزین خلاصه‌های مبهم هوش مصنوعی شود. این سیستم تضمین می‌کند هر تغییر کد توسط یک رکورد ماشین‌خوان از محیط…

۲ دقیقه خواندن۱
ددلاین را از دست دادم — بنابراین خودم بنچمارک را اجرا کردم تا برای بازگشایی آماده شوم
آموزش کاربردی

سیستم Muninn تأخیر بازیابی حافظه در عامل‌های AI را به ۳ ثانیه رساند

سیستم حافظه ترکیبی Muninn توانسته است بدون کاهش چشم‌گیر دقت، زمان پاسخ‌دهی عامل‌های هوش مصنوعی را از چندین دقیقه به زیر ۳ ثانیه کاهش دهد. توسعه‌دهنده این سیستم بر تضاد میان…

۵ دقیقه خواندن۳
عوامل کدنویسی وقتی به حقایق دسترسی ندارند، آنها را اختراع می‌کنند. هر ۴ آزمایش من نتیجه‌ی صفر نادرست داد.

عامل‌های کدنویس با جعل داده‌ها شکاف‌های اطلاعاتی را می‌پوشانند

پژوهشی جدید نشان می‌دهد عامل‌های هوش مصنوعی هنگام مواجهه با کمبود داده، به‌جای پذیرش نادانی، اطلاعاتی باورپذیر اما ساختگی تولید می‌کنند. این «بدهی انسجام» باعث می‌شود ابزارهای…

۹ دقیقه خواندن۳