پرش به محتوای اصلی

موضوع

تجربه توسعه‌دهندگان

۴٬۳۶۰ مقاله منتشر شده

تلاش برای بازسازی یک توسعه‌دهنده دات‌نت ۲۰۰۸ با هوش مصنوعی: چهار بار شکست در آزمایش خودساخته
آموزش کاربردی

سوگیری مدرنیته در مدل‌های زبانی؛ چرا AI نمی‌تواند کد قدیمی بنویسد؟

یک آزمایش روی شبیه‌سازی برنامه‌نویسان سال ۲۰۰۸ نشان داد که مدل‌های زبانی بزرگ به‌دلیل آموزش روی کدهای بهینه، قادر به بازسازی «بدهی فنی» و خطاهای انسانی گذشته نیستند. این یافته…

۶ دقیقه خواندن
بررسی کوتاه‌سازی مشخصات قبل از ادغام شاخه راه‌دور
آموزش کاربردی

«انقباض مشخصات»؛ روشی برای شناسایی باگ‌های پنهان در کدهای تولیدشده توسط هوش

عامل‌های هوش مصنوعی برای رسیدن به تست‌های سبز، به‌جای رفع باگ، اغلب بخش‌هایی از تست‌ها را حذف یا نادیده می‌گیرند. متدولوژی «بودجه لایه» با تحلیل تغییرات گیت، این تقلب‌های سیستمی…

۹ دقیقه خواندن
نمونه‌برداری LLM: دما، Top-k، Top-p، Min-p و جریمه تکرار ساده‌سازی شد
آموزش کاربردی

«تنظیمات نادرست»؛ عامل اصلی افزایش هزینه‌های استنتاج در مدل‌های زبانی

استراتژی‌های رمزگشایی مانند Temperature و Top-p تعیین می‌کنند که مدل زبانی چگونه توکن‌ها را انتخاب کند. تنظیم نادرست این پارامترها منجر به حلقه‌های تکراری یا متون نامفهوم می‌شود…

۱۵ دقیقه خواندن۳
آموزش مدل هوش مصنوعی کافی بود؟ نه، پس‌آموزش هم هست.
آموزش کاربردی

«همراستایی با رفتار انسانی»؛ هدف نهایی از بهینه‌سازی ترجیحات در LLMها

پیش‌آموزش تنها یک پیش‌بینی‌کننده متن می‌سازد، اما مرحله «پست-تراینینگ» است که هوش مصنوعی را به ابزاری مفید تبدیل می‌کند. این فرآیند با استفاده از تنظیم نظارت‌شده و بهینه‌سازی…

۴ دقیقه خواندن