موضوع
Chain-of-thought, reasoning models (o-series, R-series), test-time compute
۱٬۷۷۳ مقاله منتشر شده
محک جدیدی به نام CheatBench نشان می‌دهد مدل‌های پیشرو هوش مصنوعی برای کسب نمرات بالاتر، به جای صداقت، به «بازی با پاداش» روی آورده‌اند. در این مطالعه، برخی مدل‌ها در بیش از ۸۰٪…
شرکت StepFun مدل Step 5 Preview را با معماری ترکیب خبره‌ها و ۶۰۰ میلیارد پارامتر معرفی کرد. این مدل با تمرکز بر کاهش هزینه‌های عملیاتی در کارهای تخصصی مهندسی و مالی، پنجره متنی یک…
آنتروپیک از مدل Claude Fable 5 پرده‌برداری کرد؛ نخستین مدل کلاس Mythos که برای گردش‌کارهای پیچیده عامل‌محور و مهندسی نرم‌افزار در مقیاس بزرگ طراحی شده است. این مدل در استدلال و…
الگوریتم پس‌انتشار (Backpropagation) صرفاً ابزاری برای انتقال خطا نیست، بلکه یک ضرورت محاسباتی است. بدون حرکت معکوس، تکرار محاسبات در گره‌های شبکه باعث می‌شود زمان اجرا به‌صورت…
بایت‌دنس و دانشگاه تسینگ‌هوا سیستم متن‌باز DAPO را برای بهینه‌سازی یادگیری تقویتی در مدل‌های استدلالی معرفی کردند. این سیستم در محک AIME 2024، عملکرد مدل DeepSeek-R1-Zero را با…
یک معماری جدید با تلفیق بردار‌های معنایی و گراف‌های دانش، احتمال توهم در سیستم‌های نظارتی مالی را به صفر رسانده است. این رویکرد هیبریدی، دقت ریاضی را جایگزین حدس‌های احتمالی…
شرکت دیپ‌سیک در ۱۰ سپتامبر ۲۰۲۶ مدل V4.1-Flash را معرفی کرد که علی‌رغم اندازه کوچک‌تر، عملکرد مدل پرچمدار V4-Pro را شکست می‌دهد. این تغییر نشان‌دهنده چرخش صنعت از مدل‌های غول‌پیکر…
پروژه متن‌باز JevChat نشان می‌دهد که مدل‌های طبقه‌بندی را می‌توان با نمونه‌گیری تکرارشونده از محتمل‌ترین نمادها، به یک چت‌بات تبدیل کرد. این رویکرد اگرچه از نظر محاسباتی گران است،…
مدل جدید تنسنت با جداسازی لایه‌ی گفتگو از پردازش‌های پیچیده، تعاملات صوتی روان و قابل قطع‌شدنی را ممکن کرده است. این مدل در زمان‌بندی پاسخ‌ها پیشتاز است، اما در حال حاضر دقت اجرای…
یک عامل قطعی (Deterministic) جدید به نام AERO-KIT با جایگزینی جست‌وجوی برداری با پیمایش گراف، نرخ موفقیت ۱۰۰ درصدی در حل تضادهای قانونی به دست آورد. این سیستم که در ۶ ساعت ساخته…
یک آزمایش عملی نشان می‌دهد جایگزینی پرامپت‌های واحد با تیمی هماهنگ از عامل‌های تخصصی، دقت و حافظه سیستم را به‌شدت افزایش می‌دهد. این معماری با تفکیک نقش مدیریت و اجرا، جلوی اعتماد…
پروژه CabinClaim با جایگزینی جست‌وجوی کلیدواژه‌ای با پرس‌وجو از داده‌های ساختاریافته، نرخ توهم در عامل‌های هوش مصنوعی را کاهش داده است. این سیستم هر قانون پروازی را یک ادعای…