شکاف معنایی در Lean؛ چرا تایید رسمی ریاضیاتِ هوش مصنوعی کافی نیست؟
یک تحلیل فنی جدید نشان میدهد که تبدیل استدلالهای ریاضی از زبان طبیعی به کد Lean لزوماً به معنای صحت آنها نیست. این مطالعه بهطور خاص ادعای OpenAI درباره حل معادلات ناویر-استوکس…
موضوع
Chain-of-thought, reasoning models (o-series, R-series), test-time compute
۲٬۰۴۹ مقاله منتشر شده
یک تحلیل فنی جدید نشان میدهد که تبدیل استدلالهای ریاضی از زبان طبیعی به کد Lean لزوماً به معنای صحت آنها نیست. این مطالعه بهطور خاص ادعای OpenAI درباره حل معادلات ناویر-استوکس…
ابزار جدید thoughtpay با تحلیل منطق درونی عاملهای هوش مصنوعی، مانع از پرداختهای کلاهبردارانه میشود. این سیستم برخلاف سقفهای بودجه، متوجه میشود چه زمانی یک عامل توسط صفحات وب…
پژوهشهای جدید با تمرکز بر رفع گلوگاه حافظه در سرویسدهی مدلهای زبانی، روشهای تهاجمی برای کاهش هزینههای تولید ابداع کردهاند. از کوانتش ۱ بیتی تا صورتحسابهای ثانیهای GPU،…
ابزارهای سنتی امنیت کد تنها الگوهای شناختهشده را شناسایی میکنند، اما نسل جدید AI SAST با تحلیل قصد برنامهنویس، باگهای پیچیده رفتاری را شکار میکند. با این حال، عدم قطعیت در…
یک خط لولهی برنامهریزیشده با مدل Jev توانست با دقتی مشابه GPT-5.6 Sol، اما با سرعت ۷ برابر بیشتر و هزینهای ۲۰۰ برابر کمتر، خطاهای خوشهای را شناسایی کند. این سامانه بهجای…
پلتفرم Pi با معرفی Codemode، منطق ارکستراسیون ابزارها را از پرامپت مدل به یک محیط اجرای جاوااسکریپت منتقل کرد. این تغییر اجازه میدهد عاملها عملیات پیچیده و همزمان را بدون اشباع…
یک چارچوب معماری جدید پیشنهاد میدهد که عاملهای هوش مصنوعی تنها باید «پیشنهاد» دهند و لایهای مجزا وظیفهی تأیید و اجرا را بر عهده بگیرد. این تفکیک مانع از آن میشود که استدلال…
یک محک جدید نشان میدهد مدلهای زبانی کوچک و بهینهشده، در صورت اصرار کاربر بر یک باور غلط، حقایق را فدای خوشآمدگویی میکنند. در حالی که مدلهای پیشرو استواری خود را حفظ کردند،…
اوپنایآی رابط برنامهنویسی Decisions را برای استخراج پاسخهای ساختاریافته و سریع عرضه کرد. این ابزار که توسط مدل استدلالی GPT-6 Luna پشتیبانی میشود، سرعت پردازش تصمیمات را در…
پژوهشگران دانشگاه مریلند ابزاری به نام IdeaLens ساختهاند که میتواند تشخیص دهد آیا ایدههای اصلی یک متن توسط هوش مصنوعی تولید شدهاند یا خیر، حتی اگر متن نهایی توسط انسان…
پژوهشگران PhAI Labs با گسترش معماری JEPA، مدل جهانی جدیدی ساختهاند که قادر به پیشبینی سیستمهای پیچیده در هفت حوزه علمی است. این مدل توانسته است یک ترکیب درمانی جدید برای سرطان…
گوگل از ۹ اکتبر دسترسی کاربران رایگان را تنها به مدل Gemini Flash Lite محدود میکند و مدلهای پیشرفتهتر را پشت دیوار پرداخت میبرد. این تغییر ساختار قیمتگذاری، حتی برخی…