موضوع
Chain-of-thought, reasoning models (o-series, R-series), test-time compute
۱٬۷۷۲ مقاله منتشر شده
یک اثبات مفهوم جدید نشان می‌دهد که تحلیل ردپاهای خام اجرا، به جای استفاده از آمارهای کلی، می‌تواند بهینه‌سازی عامل‌های هوش مصنوعی را خودکار کند. این سیستم با استفاده از زیرساخت…
جک کلارک، از بنیان‌گذاران Anthropic، هشدار می‌دهد که احتمال ۶۰ درصدی وجود دارد که هوش مصنوعی تا سال ۲۰۲۸ قادر به آموزش نسخه‌های بعدی خود باشد. این چرخه بازگشتی می‌تواند منجر به…
ادی اسمانی با معرفی Agent Skills، چارچوبی را ارائه داده که عامل‌های کدنویس را از «اجراکننده‌های جونیور» به «مهندسان ارشد» تبدیل می‌کند. این سیستم با جایگزینی دستورات متنی با…
اوپن‌ای‌آی با معرفی Symphony، عصر جدیدی از اتوماسیون را آغاز کرد که در آن عامل‌های هوشمند مستقیماً تسک‌ها را از تخته‌های مدیریتی برمی‌دارند و اجرا می‌کنند. این سیستم باعث شد سرعت…
مدل جدید Anthropic با شناسایی حفره‌های امنیتی چنددهه-ساله در سخت‌گیرانه‌ترین سیستم‌ها، مفهوم امنیت را تغییر داد. اکنون رقابت از «یافتن باگ» به «سرعت در وصله کردن» تبدیل شده است.
مدل o1 شرکت OpenAI در تشخیص بیماری‌های بحرانی در اورژانس، پزشکان انسانی را شکست داد. با وجود دقت بالاتر، محققان هشدار می‌دهند که AI هنوز برای تصمیمات حیاتی و مستقل آماده نیست.
شیائومی با معرفی MiMo-V2.5-Pro، بازی را برای مدل‌های کدنویسی تغییر داد. این مدل با وزن‌های باز، عملکردی مشابه Claude Opus 4.6 دارد اما با مصرف توکن به‌مراتب کمتر.
مدل استدلالی جدید OpenAI در تشخیص‌های پزشکی و موارد واقعی اورژانس، پزشکان انسانی را شکست داد. این نتیجه ثابت می‌کند که معماری زنجیره تفکر بدون نیاز به آموزش‌های تخصصی، می‌تواند…
چارچوب جدیدی به نام مهندسی هارنس عامل‌محور (AHE) به عامل‌های کدنویس اجازه می‌دهد معماری خود را به‌طور سیستماتیک تکامل دهند. این روش نرخ موفقیت را در بنچمارک Terminal-Bench 2 از…
تحلیلی از بنیاد ARC Prize نشان می‌دهد که GPT-5.5 و Opus 4.7 در تست ARC-AGI-3 شکست خورده‌اند. این مطالعه ثابت می‌کند مدل‌های پیشرو هنوز «تطبیق‌دهنده‌های الگو» هستند، نه…
پروتکل SKILL.make با جایگزینی متون مبهم با منطق ساختاریافته‌ی Makefile، مصرف توکن‌ها را ۱۵ درصد کاهش می‌دهد. این رویکرد اجرای قطعی و قابل‌پیش‌بینی را از طریق گراف‌های وابستگی…
مدل Grok 4.3 با تمرکز بر بهینه‌سازی شدید هزینه‌ها و قابلیت‌های استدلالی داخلی عرضه شد. این مدل اگرچه در هوش خام از رقبای پیشرو عقب‌تر است، اما با قیمت بسیار پایین و حالت جدید…