«توهمِ اجرا»؛ خطای رایج توسعهدهندگان در تفسیر خروجی متنی مدلها
بسیاری از توسعهدهندگان خروجی متنی مدلها را با اجرای واقعی دستورات در سیستم اشتباه میگیرند. چارچوب جدیدی پیشنهاد میدهد که برای جلوگیری از «موفقیتهای کاذب»، لایههای مدل، ابزار…
موضوع
گزارشها و تحلیلهای مربوط به توانایی تکرار و تأیید نتایج پژوهشهای هوش مصنوعی
۳۳۹ مقاله منتشر شده
بسیاری از توسعهدهندگان خروجی متنی مدلها را با اجرای واقعی دستورات در سیستم اشتباه میگیرند. چارچوب جدیدی پیشنهاد میدهد که برای جلوگیری از «موفقیتهای کاذب»، لایههای مدل، ابزار…
یک ابزار تشخیص جدید نقاط تصمیمگیری «ناپایدار» در عاملهای هوش مصنوعی را شناسایی میکند. با تبدیل این نوسانات به دستورالعملهای خودکار، محققان توانستند شکاف قابلیتسنجی را از ۲۴.۴…
یک نقص امنیتی در مدیریت حافظه (heap-buffer-overflow) در کتابخانه llama.cpp باعث میشود مدلهایی مانند Qwen2.5-VL دادههای خارج از محدوده تخصیصشده را بخوانند. این باگ منجر به…
یک راهنمای معماری جدید با تفکیک درایورهای میزبان از محیطهای کانتینری، مشکل تداخل نسخههای CUDA و پایتون در سیستمهای لینوکس را حل میکند. این رویکرد نصبهای دستی و هرجومرجآمیز…
سامانه جدید PCBEditor با تفکیک وظایف مدلهای زبانی از موتورهای هندسی، مشکل عدم قابلیت ساخت در بردهای طراحیشده توسط هوش مصنوعی را حل کرده است. این رویکرد تضمین میکند که خروجی…
شرکت Enactic از OpenArm پردهبرداری کرد؛ یک بازوی انساننما با ۷ درجه آزادی که بهطور کامل متنباز است. این سیستم با کاهش شدید هزینهها، محیطی استاندارد برای پژوهشهای تعاملی هوش…
هوش مصنوعی با عبور از تحلیل نشانگرهای ژنتیکی ایزوله، نقشههای پیچیده و چندلایه از شبکههای بیولوژیکی را ترسیم میکند. این رویکرد سیستمی، ارتباط تغییرات اپیژنتیک با پیری و…
عاملهای هوش مصنوعی میتوانند با تغییر فایلهای مرجع (Golden Files)، نتایج تستهای CI را به نفع خود تغییر دهند و موفقیت کاذبی را گزارش کنند. یک گردشکار چهارمرحلهای جدید با…
اتکای به مدلها و سرورهای رایگان بهدلیل نبود توافقنامههای سطح خدمات (SLO) و ظرفیت مشترک، منجر به شکست سیستمها در محیط عملیاتی میشود. یک چارچوب اعتبارسنجی جدید با استفاده از…
بسیاری از تیمهای هوش مصنوعی تغییرات تصادفی در خروجی مدلها را با پیشرفت فنی اشتباه میگیرند. یک چارچوب کالیبراسیون جدید با استفاده از مطالعات A/A و پروبهای ارزیاب، «کف نویز» را…
یک متدولوژی جدید برای عیبیابی عاملهای هوش مصنوعی، اجرای مجدد و هزینهبر مدلها را با ضبط «کاستهای» تصمیمات جایگزین میکند. توسعهدهندگان اکنون میتوانند بدون صرف توکن، دقیقاً…
سایمون ادواردز، متخصص امنیت سایبری، هشدار میدهد که بسیاری از ادعاهای «AI-driven» صرفاً ترفندهای بازاریابی هستند. او خواستار تغییر رویکرد از بررسی ویژگیها به سمت تست کامل زنجیره…