پرش به محتوای اصلی

موضوع

استدلال

Chain-of-thought, reasoning models (o-series, R-series), test-time compute

۲٬۰۴۹ مقاله منتشر شده

درون پرامپت‌های سیستمی؛ متغیری که ارزیابی مدل‌های زبانی را متزلزل می‌کند

پژوهشی جدید نشان می‌دهد تزریق خودکار تاریخ جاری به پرامپت‌های سیستمی، باعث ایجاد ناتعین‌پذیری در ارزیابی مدل‌های زبانی می‌شود. این متغیر پنهان می‌تواند رتبه‌بندی لیدربوردهای جهانی…

۶ دقیقه خواندن
آموزش کاربردی

«فراتر از چت»؛ کاربرد جدید GRPO در بهینه‌سازی لایوت‌های OCR

پژوهش‌های جدید نشان می‌دهد که الگوریتم GRPO از فضای چت‌بات‌ها خارج شده و برای تسک‌های ساختاریافته مانند OCR به کار گرفته می‌شود. هم‌زمان، تکنیک‌های جدید هزینه محاسبات تقطیر مدل را…

۶ دقیقه خواندن
آموزش کاربردی

درون مکانیسم شکست‌های عملیاتی؛ چرا مدل‌های هوشمند در اجرا ناکام می‌مانند

بیشتر شکست‌های عامل‌های هوش مصنوعی ناشی از طراحی ضعیف ابزارها و نبود کنترل هزینه است، نه خطاهای استدلالی مدل. ساخت عامل‌های پایدار نیازمند محدودیت‌های سخت‌گیرانه در تکرار، مرزهای…

۳ دقیقه خواندن
آموزش کاربردی

گوگل با چارچوب RRSI جلوی حفظ طوطی‌وار داده‌ها در عامل‌های هوش مصنوعی را گرفت

گوگل پژوهشی با معرفی RRSI سیستمی را طراحی کرده که عامل‌های هوش مصنوعی را مجبور می‌کند پیش از هر تغییر در ابزارها، تحلیل هزینه-فایده انجام دهند. این روش مانع از Overfitting یا همان…

۲۷ دقیقه خواندن

بنچمارک Kaggle: مدل‌های زبانی در ۴ مورد کلیدی استدلال داده‌کاوی شکست خوردند

یک محک جدید نشان می‌دهد مدل‌های پیشرو در حالی که آزمون‌های چهارگزینه‌ای داده‌کاوی را پاس می‌کنند، در استدلال‌های باز و توصیفی ناتوان‌اند. این مدل‌ها اغلب به پاسخ درست می‌رسند اما…

۸ دقیقه خواندن
زندگی با AI

پروفسور لوزانو-روبلدو: LLMها ابزاری برای بهره‌وری هستند، نه جایگزین PhDها

پروفسور آلوارو لوزانو-روبلدو استدلال می‌کند که مدل‌های هوش مصنوعی تنها می‌توانند ایده‌های موجود را ترکیب کنند، اما قادر به خلق مفاهیم بنیادین و «بیگانه» نیستند. او تأکید می‌کند که…

۲۰ دقیقه خواندن۱

فقط ۲۰ مورد از ۱۶۲ شکافِ بنچمارک مدل‌های هوش مصنوعی قابل تأیید هستند

یک حسابرسی فنی روی ۱۶۲ مقایسه بین مدل‌های هوش مصنوعی نشان می‌دهد که اکثر برتری‌های اعلام‌شده در جدول‌های رده‌بندی، از نظر آماری بی‌معنی هستند. این مطالعه فقدان سیستماتیک داده‌های…

۵ دقیقه خواندن۱
آموزش کاربردی

محک jevman: سنجش استدلال مدل‌های هوش مصنوعی در محیط پویا با بازی پک‌من

شرکت Opper AI ابزار متن‌باز jevman را برای تست تصمیم‌گیری مدل‌های هوش مصنوعی در محیط‌های بلادرنگ معرفی کرد. این محک با قرار دادن مدل‌ها در برابر ارواح بازی پک‌من، قابلیت استدلال…

۲ دقیقه خواندن
آموزش کاربردی

ردپای توکن‌ها: شناسایی نقاط اصطکاک در جریان کاری عامل‌های هوش مصنوعی

تحلیل میزان مصرف توکن‌ها به توسعه‌دهندگان اجازه می‌دهد رفتارهای ناکارآمد عامل‌ها، مانند خواندن مکرر مستندات یا تلاش‌های بیهوده، را شناسایی کنند. این داده‌ها به عنوان شاخصی برای…

۵ دقیقه خواندن
آموزش کاربردی

درون معماری مربی شطرنجی که حرکات غیرقانونی پیشنهاد نمی‌کند

یک توسعه‌دهنده با جداسازی لایه محاسباتی از لایه زبانی، مربی شطرنجی ساخت که هرگز حرکات غیرقانونی پیشنهاد نمی‌کند. این سیستم به‌جای تکیه بر حافظه مدل زبانی، داده‌های دقیق یک موتور…

۹ دقیقه خواندن۱

«بایکوت OpenAI»؛ واکنش ریاضی‌دانان به سیل اثبات‌های ماشینی

برخی از برجسته‌ترین ریاضی‌دانان جهان، از جمله ترنس تائو، خواستار تحریم OpenAI شدند. آن‌ها هشدار می‌دهند که انتشار صدها اثبات ریاضی تولیدشده توسط هوش مصنوعی بدون توضیحات انسانی،…

۶ دقیقه خواندن