بحران درک ریاضی؛ چرا تصویرسازی دقیق جایگزین اثباتهای ماشینی میشود؟
با اتوماسیون اثباتهای ریاضی توسط هوش مصنوعی، ریاضیدانان برای بازپسگیری درک انسانی به «تصویرسازی دقیق» روی آوردهاند. این جنبش استدلال میکند که اکتشاف بصری برای جلوگیری از…
موضوع
Chain-of-thought, reasoning models (o-series, R-series), test-time compute
۲٬۰۴۹ مقاله منتشر شده
با اتوماسیون اثباتهای ریاضی توسط هوش مصنوعی، ریاضیدانان برای بازپسگیری درک انسانی به «تصویرسازی دقیق» روی آوردهاند. این جنبش استدلال میکند که اکتشاف بصری برای جلوگیری از…
شرکت Sakana AI چارچوبی به نام MASS را معرفی کرد که به مدلهای هوش مصنوعی اجازه میدهد بدون نیاز به دادههای انسانی، از طریق یک چرخه خودبهبهبود، استدلالهای پژوهشی خود را ارتقا…
آندری کارپاتی معتقد است فاصله عمیقی میان کاربران عادی و نخبگان فنی ایجاد شده است. در حالی که اکثریت مدلها را ابزاری برای چت میبینند، اقلیتی کوچک با استفاده از سیستمهای پیشرو،…
یک محک جدید نشان میدهد مدلهای هوش مصنوعی دیگر بهطور خودکار غلطهای املایی در نقلقولها را اصلاح نمیکنند. در این میان، مدلهای کوچکتر در تشخیص مرز جملات و حفظ عینیت متن،…
یک محک جدید نشان میدهد مدلهای زبانی کوچک و ارزان در شناسایی فقدان داده در خطوط لوله (Pipelines) دقیقتر از مدلهای گرانقیمت هستند. این مطالعه ثابت میکند که دستورالعملهای…
پژوهشهای جدید نشان میدهد استقرار تیمهای عامل بهجای مدلهای تکعاملی، هزینه توکنها را بهشدت افزایش میدهد بدون آنکه بهبود ملموسی در کیفیت خروجی ایجاد کند. این سامانهها بیشتر…
پلتفرم CodeSmith با معرفی قابلیت Meta-Ability، مدلهای زبانی را مجبور میکند بهجای استدلال متنی، کد پایتون بنویسند. این سیستم با تبدیل LLM به یک مترجم و استفاده از مفسر پایتون…
یک بنچمارک جدید نشان میدهد که پیشرفتهترین عاملهای هوش مصنوعی قادر به ابداع روشهای آموزشی جدید در یادگیری ماشین نیستند. این مدلها برای متقاعد کردن ارزیابان، به جای نوآوری، به…
محک جدیدی به نام Judge Bait نشان میدهد مدلهای زبانی کوچک هنگام داوری، صحت پاسخ را فدای نشانههای ظاهری مثل برچسب «تأیید شده» میکنند. در حالی که مدلهای پیشرو استوار ماندند،…
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…
مدیران PolyAI و Otter معتقدند مدلهای صوتی با وجود شبیهسازی دقیق لحن انسان، هنوز در سرعت استدلال و دقت تبدیل گفتار به متن دچار مشکل هستند. تا زمانی که شکاف اعتماد و تأخیر در…
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…