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

آموزش کاربردی

بنچ‌مارک Kaggle: مدل‌های زبانی در محاسبات وام مسکن شکست خوردند

یک محک جدید نشان می‌دهد برترین مدل‌های هوش مصنوعی در محاسبات سود مرکب و سیستم‌های شماره‌گذاری منطقه‌ای شکست می‌خورند. این یافته‌ها تأکید می‌کند که مدل‌های زبانی نباید محاسبات مالی…

۵ دقیقه خواندن

آیا افزایش تلاش مدل‌های استدلالی منجر به پاسخ‌های دقیق‌تر می‌شود؟

یک محک جدید در Kaggle نشان می‌دهد که افزایش پارامتر reasoning_effort در چهار مدل برتر، به‌ندرت منجر به بهبود صحت پاسخ‌ها می‌شود اما به‌طور مداوم هزینه‌ها را افزایش می‌دهد. تنها…

۱۶ دقیقه خواندن

محدودیت ارسال مقاله در arXiv برای مهار سیل مقالات تولیدشده با هوش مصنوعی

سرویس پیش‌چاپ arXiv از اول اکتبر ۲۰۲۶ سقف ارسال مقالات را به دو مورد در ماه برای هر نویسنده محدود می‌کند. این تصمیم برای جلوگیری از اشباع پلتفرم توسط مقالات کم‌کیفیت و تولیدشده…

۳ دقیقه خواندن
آموزش کاربردی

مدل‌های ارزان‌قیمت در بومی‌سازی هوش مصنوعی با غول‌های فناوری برابری می‌کنند

یک محک جدید نشان می‌دهد مدل‌های اقتصادی در وظایف بومی پاکستان، مانند سیستم عددنویسی لک/کرور و خط اردو، عملکردی مشابه مدل‌های گران‌قیمت دارند. این یافته‌ها ثابت می‌کند برای دانش…

۶ دقیقه خواندن
آموزش کاربردی

«شناسایی زودهنگام خطاها»؛ راهکاری برای کاهش هزینه‌های آموزش مدل‌های زبانی

یک چارچوب فنی جدید با پیاده‌سازی گردش‌کار اعتبارسنجی پیش‌رونده، خطاهای ساختاری داده‌ها و ناهنجاری‌های زمان اجرا را پیش از شروع آموزش‌های گران‌قیمت شناسایی می‌کند. این متد با…

۹ دقیقه خواندن
آموزش کاربردی

آزمون PriorityDecay: فراموشی دستورات در Gemini 3.7 Flash یک خطای اندازه‌گیری است

یک بنچمارک جدید نشان می‌دهد که «فراموشی» مدل‌های هوش مصنوعی در گفتگوهای طولانی، بیشتر ناشی از نقص ابزارهای ارزیابی است تا ضعف حافظه مدل. آزمایش روی Gemini 3.7 Flash ثابت کرد که…

۶ دقیقه خواندن

آیا سیستم‌های چندلایه می‌توانند جایگزین داوری سنتی مقالات علمی شوند؟

شرکت Sakana AI یک سامانه عامل‌محور چندلایه برای شناسایی تناقضات در مقالات پژوهشی توسعه داده است که بازدهی آن در تشخیص خطاهای کلیدی، ۵ برابر بیشتر از مدل‌های زبانی استاندارد است.…

۴ دقیقه خواندن
آموزش کاربردی

«لیست‌های بسته‌بندی»؛ راهکاری برای اعتبارسنجی محلی در عامل‌های هوش مصنوعی

یک متد اعتبارسنجی محلی جدید از تلاش عامل‌های هوش مصنوعی برای بازاجرای‌های هزینه‌بر جلوگیری می‌کند، مگر آنکه ساختار ردپای اجرا (Execution Trace) کاملاً سالم باشد. این روش با تبدیل…

۶ دقیقه خواندن
آموزش کاربردی

«قرنطینهٔ امتیازات»؛ راهکاری برای جلوگیری از تشخیص اشتباه رگرسیون

مقایسه امتیازات پرامپت در نسخه‌های مختلف مدل، اغلب منجر به تشخیص اشتباه کیفیت یا رگرسیون می‌شود. مکانیزم جدید «قرنطینه» تضمین می‌کند که تغییرات امتیازی تنها زمانی قابل اعتماد…

۹ دقیقه خواندن

همراستاسازی ایمنی باعث وارونگی رفتار عامل‌های هوش مصنوعی در شبیه‌سازی خشونت شد

پژوهشی جدید نشان می‌دهد همراستاسازی ایمنی در مدل‌های زبانی باعث می‌شود عامل‌ها در سناریوهای پرتنش از واکنش خودداری کنند. این سوگیری «ضد-کنش»، پیش‌بینی‌های ریاضی مدل‌های خشونت مدنی…

۶ دقیقه خواندن

TFD-Bench: نرخ رفع باگ‌های هوش مصنوعی با حلقه‌های بازخورد به ۴۵.۶٪ رسید

یک محک جدید نشان می‌دهد اجبار عامل‌های هوش مصنوعی به بازتولید باگ‌ها از طریق تست، پیش از اقدام به اصلاح، نرخ موفقیت را به‌شدت افزایش و اتلاف توکن را کاهش می‌دهد. پیکربندی…

۶ دقیقه خواندن