GLM-Legal در برابر نسخههای پایه: برتری در تحلیلهای چندمرحلهای
شرکت Z.ai مدل تخصصی GLM-Legal را برای اجرای فرآیندهای چندمرحلهای حقوقی معرفی کرد. این مدل در محک Harvey LAB جهشی قابلتوجه در قابلیت اطمینان نسبت به نسخههای پایه نشان داده است.
موضوع
Chain-of-thought, reasoning models (o-series, R-series), test-time compute
۲٬۰۴۹ مقاله منتشر شده
شرکت Z.ai مدل تخصصی GLM-Legal را برای اجرای فرآیندهای چندمرحلهای حقوقی معرفی کرد. این مدل در محک Harvey LAB جهشی قابلتوجه در قابلیت اطمینان نسبت به نسخههای پایه نشان داده است.
مایکروسافت با معرفی StudentSim سیستمی ساخته است که شبیهسازهای شخصیسازیشده از هر دانشآموز ایجاد میکند تا بازخوردهای دقیقتری برای آموزش مدرسهای AI فراهم کند. این ابزار با…
سرویس Amazon Bedrock دسترسی به مدلهای GPT-6 Sol و Luna را در پنج منطقهٔ آسیا-پاسیفیک گسترش داد. این بهروزرسانی با معرفی استنتاج متقاطع منطقهای، مشکل محدودیت ظرفیت در ساعات پیک…
متا سری مدلهای Muse Wonder را برای ایجاد عاملهای هوش مصنوعی با خودمختاری بالا معرفی کرد. این سیستم با معرفی مفاهیم «حافظه فعال» و «تمرکز فعال»، توانایی مدیریت پروژههای بلندمدت…
ایسوس سرور XA P2N-E2 را با پردازندههای دوگانه NVIDIA Vera معرفی کرد تا گلوگاههای اجرای کد و محیطهای ایزوله (Sandboxing) در عاملهای هوش مصنوعی را برطرف کند. این سیستم بهجای…
آنتروپیک قابلیت جریانهای کاری پویا را برای عاملهای مدیریتشدهی کلود معرفی کرد. اکنون یک عامل پیشرو میتواند بهطور مستقل کدهایی بنویسد که تا ۱۰۰۰ زیر-عامل را برای اجرای وظایف…
آندری کارپاتی از شکاف عمیق میان ادراک عمومی و توانمندیهای واقعی هوش مصنوعی میگوید. در حالی که اکثر کاربران با چتباتهای ساده سر و کار دارند، گروه کوچکی از نخبگان با استفاده از…
تکنیک جدیدی به نام Bag of Decisions با جایگزینی تطبیق سادهٔ کلمات با معیارهای ارزیابی تولیدشده توسط مدلهای زبانی، دقت جستوجو را افزایش داده است. آزمایشها روی دادههای آمازون و…
یک دموی موفق برای عاملهای هوش مصنوعی تضمینکنندهٔ پایداری آنها در محیط عملیاتی نیست. مهندسی واقعی این سیستمها نیازمند ارزیابی مسیر استدلال و کیفیت استفاده از ابزارهاست، نه فقط…
شرکت Vinkius برای حذف توهمات ریاضی در تستهای آلایندگی صنعتی، از پروتکل MCP استفاده کرده است. این سیستم بهجای تکیه بر حدسهای احتمالی مدلهای زبانی، محاسبات را به ابزارهای ریاضی…
پیادهسازی یک واسط برای توزیع وظایف بین Gemini و Claude Code، پنج حالت شکست فنی را افشا کرد که از کلیدهای API نشتکرده تا مدلهای بازنشسته را شامل میشود. این یافتهها نقشهای…
یک محک جدید نشان میدهد اکثر مدلهای زبانی در تبدیل سیاستهای متنی به دستورالعملهای robots.txt دچار نشت امنیتی میشوند. در این میان، تنها Claude Sonnet 5.5 توانست با نرخ موفقیت…