جمینای در برابر انسان؛ رقابت استدلال منطقی در بازی Color Queens
پول کووا بازی منطق Color Queens را طراحی کرده است که در آن بازیکن باید سریعتر از مدل Gemini معما را حل کند. در این پروژه، هوش مصنوعی بهجای نقش دستیار، یک رقیب مستقیم است که…
موضوع
Chain-of-thought, reasoning models (o-series, R-series), test-time compute
۲٬۰۴۹ مقاله منتشر شده
پول کووا بازی منطق Color Queens را طراحی کرده است که در آن بازیکن باید سریعتر از مدل Gemini معما را حل کند. در این پروژه، هوش مصنوعی بهجای نقش دستیار، یک رقیب مستقیم است که…
با رایگان و فوری شدن تولید کد توسط هوش مصنوعی، ارزش مهندسی نرمافزار از نوشتن توابع به قضاوتهای سطح بالای معماری منتقل شده است. پلتفرم SystemThinkingLab مدل آموزشی خود را برای…
شرکت Cosine ابزاری به نام ArgusRed معرفی کرد که با استفاده از یک مدل زبانی تخصصی در امنیت تهاجمی، بهجای گزارش ریسکهای تئوریک، اکسپلویتهای واقعی را بازتولید میکند. این ابزار با…
تغییر نقش ChatGPT از یک معلم به یک سیستم اعتبارسنج منطق، باعث بازگشت غریزهی حل مسئله در برنامهنویسان میشود. این متد تمرکز را از مصرف غیرفعال کد به استدلال فعال و عیبیابی منتقل…
یک پژوهشگر با استفاده از داراییهای بازی Age of Empires II، یک پرسپترون عملیاتی و مدار آموزش آن را پیاده کرد. این پروژه ثابت میکند این بازی از نظر محاسباتی Turing-complete است و…
پژوهشگران Sina Weibo مدل VibeThinker-3B را معرفی کردند؛ یک مدل استدلالی کوچک که در وظایف ریاضی و کدنویسی با مدلهای عظیمی چون DeepSeek V3.2 رقابت میکند. این مدل با استفاده از خط…
انویدیا چارچوب SpatialClaw را معرفی کرد که بهجای فراخوانیهای صلب ابزار، از کد پایتون بهعنوان رابط اقدام استفاده میکند. این رویکرد باعث شد مدلهای بینایی-زبانی بدون نیاز به…
عاملهای خودگردان در تلهای میافتند که توصیفِ انجام یک وظیفه را با اجرای واقعی آن اشتباه میگیرند. این نقص ساختاری باعث ایجاد حلقههای بیپایان از تفکر داخلی بدون هرگونه خروجی…
محک جدید AA-Briefcase نشان میدهد حتی قدرتمندترین مدلهای زبانی در مواجهه با پروژههای چند هفتهای و دادههای پراکنده شکست میخورند. در حالی که Claude Fable 5 پیشتاز است، نرخ شکست…
تحلیلی فنی روی مدل Gemini 3.5 Flash نشان میدهد که این مدل در شرایط خاص، نتایج جستوجوی لحظهای را نادیده گرفته و به دادههای قدیمی آموزش خود باز میگردد. این «شکاف باور» ریسکی…
صنعت AI از شمارش درخواستها به سمت توکنها حرکت کرده، اما کارشناسان هشدار میدهند که حجم توکن را نباید با هوشمندی یا درآمد یکی دانست. ارزش واقعی در معماری سیستم، بهویژه مدیریت…
پلتفرم Oxlo.ai مدل قیمتگذاری مبتنی بر توکن را با مدل «درخواستمحور» جایگزین کرد تا هزینههای عملیاتی در گردشهای کاری پیچیده پیشبینیپذیر شود. این رویکرد تفاوت میان هزینه پردازش…