۲۵ مدل هوش مصنوعی در یک هفته: عصر تخصص و وزن‌های باز
موج گسترده انتشار مدل‌ها در ژوئن ۲۰۲۶، از Claude Fable 5 تا MiniMax M3، نشان‌دهنده چرخش صنعت به سمت تخصص و تسلط مدل‌های وزن‌باز است. این روند با افشای جزئیات مدل عامل‌محور Spud از…
۲ دقیقه خواندن۲
موضوع
استدلال
Chain-of-thought, reasoning models (o-series, R-series), test-time compute
۱٬۷۷۷ مقاله منتشر شده
درون مدل Claude Fable 5: جهش فنی در کدنویسی و سد ۲۰ هزار دلاری
مدل جدید Claude Fable 5 با معرفی رده‌ی Mythos، استانداردهای کدنویسی را جابه‌جا کرد اما قیمت گزاف و فیلترهای سختگیرانه، دسترسی به آن را محدود کرده است. این مدل در بنچمارک‌های تخصصی…
۷ دقیقه خواندن۵
بهبود ۶۵ درصدی NotebookLM: وقتی دفترچه یادداشت گوگل به رایانه تبدیل شد
گوگل NotebookLM را با رایانه‌های ابری اختصاصی و قابلیت اجرای کد به‌روزرسانی کرد. این ابزار اکنون از تحقیقات عامل‌محور پشتیبانی کرده و خروجی‌های مستقیم به اکسل و پاورپوینت می‌دهد.
۱ دقیقه خواندن
چرا پاسخ درست در هوش مصنوعی حقوقی می‌تواند خطرناک‌ترین معیار باشد؟
مدل‌های زبانی اغلب با منطقی غلط به پاسخی درست می‌رسند. روش جدید LegalBench با استفاده از «سیگنال‌های اتمیک» و چارچوب IRAC، خطاهای استدلالی را از نتایج تصادفی جدا می‌کند تا توهمات…
۶ دقیقه خواندن۲
چگونه تزریق خاطرات جعلی از شکست، ریسک‌پذیری عامل‌های هوش مصنوعی را کاهش می‌دهد؟
پژوهش‌های جدید نشان می‌دهد تزریق تاریخچه‌ای جعلی از شکست‌ها در حافظه‌ی مدل‌ها، جسارت آن‌ها در تصمیم‌گیری را به‌شدت می‌کوبد. این پدیده بدون تخریب منطق مدل یا فعال کردن سیستم‌های…
۱۰ دقیقه خواندن۲
چرا سیستم‌های چند-عاملی هوش مصنوعی در مقیاس واقعی شکست می‌خورند؟
سیستم‌های چند-عاملی می‌توانند یک درخواست ساده‌ی کاربر را به صدها فراخوانی داخلی API تبدیل کنند و زیرساخت‌ها را به سرعت ساقط کنند. پیاده‌سازی محدودیت‌های نرخ درخواست داخلی، راهکاری…
۳ دقیقه خواندن۱
بازتعریف SFT به عنوان مسئله طراحی توزیع هدف برای بهبود استدلال مدل‌ها
پژوهشگران چارچوب جدیدی به نام Target-SFT معرفی کرده‌اند که تنظیم دقیق نظارت‌شده (SFT) را به جای بهینه‌سازی توابع زیان، به عنوان یک مسئله طراحی توزیع هدف می‌بیند. این متد با عبور…
۱ دقیقه خواندن
چگونه SECDA-DSE طراحی شتاب‌دهنده‌های FPGA را با مدل‌های زبانی خودکار می‌کند؟
چارچوب SECDA-DSE با ادغام مدل‌های زبانی بزرگ، فرآیند پیچیده جست‌وجوی فضای طراحی (DSE) در شتاب‌دهنده‌های FPGA را خودکار می‌کند. این سیستم با ترکیب RAG و زنجیره تفکر، نیاز به تخصص…
۱ دقیقه خواندن
PhantomBench: نرخ توهم ۸۶.۷ درصدی مدل‌های زبانی در مواجهه با مفاهیم ناموجود
یک بنچمارک گسترده نشان می‌دهد مدل‌های زبانی پیشرو در تشخیص مفاهیم ناموجود ناتوان هستند و نرخ توهم آن‌ها در پاسخ به پرسش‌های القایی به ۸۶.۷٪ می‌رسد. این یافته لزوم تغییر تمرکز از…
۱ دقیقه خواندن
چرا شخصیت‌بخشی در مدل‌های چندوجهی، دقت استدلال بصری را کاهش می‌دهد؟
پژوهش‌های جدید روی مدل‌های زبانی چندوجهی نشان می‌دهد که القای شخصیت در حالی که کیفیت توصیف تصاویر را بالا می‌برد، باعث افت عملکرد در وظایف استدلالی دقیق می‌شود. این مطالعه همچنین…
۱ دقیقه خواندن
تثبیت مسیرهای رانندگی خودکار با DFP: گذار از کپی‌برداری تاریخچه به کنترل پویا
چارچوب جدیدی به نام Diffusion Forcing Planner (DFP) با جداسازی نویز تاریخچه و آینده، مشکل لرزش مسیر در خودروهای خودران را حل کرده است. این روش به جای کپی‌برداری ساده از الگوهای…
۱ دقیقه خواندن۱
چرا میانگین‌گیری از تحلیل‌های انسانی و هوش مصنوعی یک اشتباه ریاضی است؟
تحلیلی فنی نشان می‌دهد ترکیب پیش‌بینی‌های انسانی و هوش مصنوعی، کالیبراسیون آماری متخصصان را مختل می‌کند. در حالی که روش‌های «تفویض» این مشکل را حل می‌کنند، وابستگی شدیدی به…
۱ دقیقه خواندن