اثباتهای علمی اوپنایآی: ادعای رد فرضیه زمان نمایی با مدل شبان
اوپنایآی سه اثبات تولیدشده با هوش مصنوعی در ریاضی، علوم کامپیوتر و فیزیک منتشر کرد که یکی از آنها ادعای رد فرضیه زمان نمایی است. این شرکت مدل تازهای به نام «شبان» را آزمایش…
موضوع
گزارشها و تحلیلهای مربوط به توانایی تکرار و تأیید نتایج پژوهشهای هوش مصنوعی
۳۳۹ مقاله منتشر شده
اوپنایآی سه اثبات تولیدشده با هوش مصنوعی در ریاضی، علوم کامپیوتر و فیزیک منتشر کرد که یکی از آنها ادعای رد فرضیه زمان نمایی است. این شرکت مدل تازهای به نام «شبان» را آزمایش…
توسعهدهنده یگانه آدیتیا کومار بازیِ وب «ماس گاردن» را منتشر کرد که کامیتهای گیتهاب را به باغی دیجیتالی تبدیل میکند — اما برخلاف نمودار مشارکت، شدت را تنبیه و غیبت را میبخشد.…
AdeloopData یک لایه معنایی عرضه کرد که تعریفهای متریک، موجودیتها و روابط کسبوکار را متمرکز میکند تا نوتبوکهای تحلیلی و رابطهای گفتاری نتایج یکسان بدهند. این معماری مشکل…
بنچمارک HANDBOOK.md نشان میدهد بهترین عامل هوش مصنوعی تنها در ۳۶.۲٪ موارد کتابچههای شرکتی را بهدرستی اجرا میکند. مطالعه ۲۰ مدل از ۱۱ ارائهدهنده را با ۸۲۴ معیار برنامهریزی…
متخصصان ریاضی ادعای OpenAI درباره حل مسئله ناویه-استوکس را به دلیل تفاوت در منطق استدلالی به چالش کشیدهاند. با وجود استفاده از ۱۰ هزار عامل هوش مصنوعی، پژوهشگران هنوز نمیدانند…
یک محک جدید نشان میدهد که عاملهای هوش مصنوعی هنگام استفاده از دادههای RAG از طریق پروتکل MCP، ارجاعات را حذف یا تغییر میدهند. این مشکل در SDK عاملهای OpenAI بهشدت دیده شده و…
تیم ScholarMuse یک گردشکار ساختاریافته برای اعتبارسنجی منابع تولیدشده توسط هوش مصنوعی معرفی کرد. این روش با تفکیک «وجود فیزیکی منبع» از «پشتیبانی محتوایی»، مانع از اعتماد…
گزارش مؤسسه بروکینگز نشان میدهد مدلهای هوش مصنوعی با یادگیری روشهای تقلب و بیشبرازش روی دادههای آزمون، نمرات بنچمارک را بهصورت مصنوعی بالا میبرند. این شکاف میان نمرات…
پلتفرم AI-Atlas با تحلیل مخازن گیتهاب، تفاوت بین پیادهسازیهای عمیق فنی و پوستههای ساده API را تشخیص میدهد. این ابزار بهجای تکیه بر ادعاهای README، مهارتهای توسعهدهنده را…
آزمونهای عملی مدل ۹ میلیاردی Ternary Bonsai 2 نشان داد که افزایش چشمگیر سرعت لزوماً به معنای قابلیت جایگزینی با مدلهای بزرگتر نیست. این مدل در طبقهبندی موارد حساس دچار خطای…
یک پاسخ موفق در دمو، دلیلی بر پایداری سیستم نیست و اغلب نتیجهی شانس است. این راهنما روش جایگزینی «حس کلی» با یک چارچوب ماشینی برای ثبت توزیع خطاها و موفقیتها را معرفی میکند.
پلتفرم Voxel51 نسخه ۳.۰ خود را برای مدیریت دادههای چندوجهی در رباتیک و هوش مصنوعی فیزیکی عرضه کرد. یافتههای جدید نشان میدهد تیمهای موفق نزدیک به ۶۰٪ از زمان پروژه خود را صرف…