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

تست استرس Meta Muse: نرخ شکست ۷۲.۵ درصدی در مقیاس ۱۲۰ عامل

یک تست استرس روی عامل هوش مصنوعی Muse متعلق به متا نشان داد که این سیستم در مواجهه با تعداد زیاد عامل‌های هم‌زمان فرو می‌پاشد. علت این شکست نه محدودیت‌های مدل زبانی، بلکه خطاهای…

۱۸ دقیقه خواندن۲
آموزش کاربردی

درون محاسبات آماری؛ علت خطای نرخ مثبت کاذب در تست‌های AI

ادعای «نرخ مثبت کاذب صفر درصد» اغلب نتیجهٔ تست روی تعداد بسیار کمی از داده‌هاست، نه دقت واقعی مدل. این مقاله بررسی می‌کند که چگونه مخرج کسر کوچک در محاسبات آماری، خطاهای سیستماتیک…

۳ دقیقه خواندن۱
آموزش کاربردی

درون CauterRule؛ تضاد میان تطابق توکنی و درک معنایی در ارزیابی AI

چارچوب متن‌باز CauterRule دریافت که معیارهای سخت‌گیرانهٔ تطابق توکنی، مدل‌های هوش مصنوعی را به‌دلیل بازنویسی درستِ قوانین جریمه می‌کنند. با تغییر رویکرد به تطابق معنایی، مشخص شد…

۸ دقیقه خواندن۴
آموزش کاربردی

۶ گام برای شناسایی خطاهای «چاپلوس» در سامانه‌های ارزیابی هوش مصنوعی

یک توسعه‌دهنده ارشد فاش کرد که چگونه ۱۰ باگ پنهان در ابزار اندازه‌گیری، نتایج مدل‌های AI را به‌طور مصنوعی بهبود بخشیده بود. این گزارش یک چک‌لیست ۶ مرحله‌ای برای شناسایی شکست‌هایی…

۱۰ دقیقه خواندن۱
آموزش کاربردی

جداسازی مدل نویسنده از سیستم ارزیابی؛ راهکاری برای جلوگیری از تقلب AI در کدنویسی

یک متد عملیاتی جدید با تفکیک مدل تولید کد از مکانیسم نمره‌دهی، مانع از حفظ کردن پاسخ‌ها توسط هوش مصنوعی می‌شود. با محلی نگه داشتن تست‌ها و پنهان کردن آن‌ها از پرامپت،…

۹ دقیقه خواندن۱
آموزش کاربردی

«دسترسی همگانی به بک‌تستینگ»؛ هدف جدید AI-QUANT در معاملات سیستماتیک

چارچوب‌های متن‌باز با ارائه ابزارهای حرفه‌ای مدیریت ریسک و بک‌تستینگ، دسترسی پژوهشگران مستقل به زیرساخت‌های مالی سیستماتیک را تسهیل کرده‌اند. این تغییر رویکرد، استراتژی‌های…

۳ دقیقه خواندن۲

ناپایداری ۸ تا ۲۰ درصدی در محک‌های عامل‌های هوش مصنوعی

پژوهشی جدید نشان می‌دهد مدل‌های زبانی که به‌عنوان داور در ارزیابی عامل‌ها استفاده می‌شوند، حتی با ورودی‌های یکسان نتایج متناقضی می‌دهند. این ناپایداری که ناشی از به‌روزرسانی‌های…

۴ دقیقه خواندن۲