پرش به محتوای اصلی

موضوع

استدلال

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

۲٬۰۴۹ مقاله منتشر شده

عامل Darwin Gödel با بازنویسی کد داخلی، امتیاز SWE-bench را به ۵۰٪ رساند

یک عامل کدنویسی از آزمایشگاه Sakana و جف کلون توانست با بازنویسی خودکار ساختار عملیاتی‌اش، عملکرد خود را به سطح مهندسان ارشد برساند. این مدل بدون دخالت انسان، مکانیزم‌هایی مانند…

۱ دقیقه خواندن

گوگل در برابر OpenAI و Anthropic؛ شکاف ایمنی در عامل‌های هوشمند

محک جدید Fan-Out نشان می‌دهد مدل‌های گوگل در اجرای هم‌زمان چندین ابزار بدون ایجاد تداخل داده‌ای، از رقبای خود پیش بوده‌اند. این نتایج شکافی جدی در ایمنی عامل‌های هوشمند OpenAI و…

۳ دقیقه خواندن
آموزش کاربردی

ConstraintBench: پاسخ‌های درست هوش مصنوعی لزوماً جریان‌های کاری را نجات نمی‌دهند

یک محک قطعی جدید نشان می‌دهد که مدل‌های استدلالی پیشرفته هنگام افزایش پیچیدگی پرامپت، در رعایت محدودیت‌های قالب‌بندی و ایمنی شکست می‌خورند. این یافته‌ها ثابت می‌کند که «صحت پاسخ»…

۸ دقیقه خواندن

JEPA-Anything: یک دستورالعمل یادگیری واحد برای ۷ حوزه علمی مختلف

پژوهشگران چارچوبی به نام JEPA-Anything توسعه داده‌اند که با استفاده از تجزیه متعامد، مدل‌های جهانی را برای حوزه‌های متنوعی از زیست‌شناسی تا هواشناسی می‌سازد. این رویکرد مشکل تخصیص…

۴ دقیقه خواندن

KODA: اکوسیستم کدنویسی ۱۲ ساله که در محاسبات سنگین Claude Code را شکست داد

یک توسعه‌دهنده ۱۲ ساله با ساخت KODA ثابت کرد که محدودیت‌های سخت‌افزاری شدید می‌تواند منجر به معماری‌های بهینه‌تر شود. این سیستم در سناریوهای محاسباتی سنگین، عملکردی برتر از Claude…

۴ دقیقه خواندن۱
آموزش کاربردی

محک TOOL JUDGMENT: عامل‌های هوش مصنوعی در تلهٔ استفادهٔ بیش‌ازحد از ابزارها

محک جدید TOOL JUDGMENT نشان می‌دهد عامل‌های هوش مصنوعی حتی زمانی که پاسخ در متن موجود است، به اشتباه از ابزارها استفاده می‌کنند. این مطالعه مفهوم «پشیمانی از ابزار» را برای سنجش…

۵ دقیقه خواندن۱

سازوکار «رزونانس» در سامانه ۱۳ عاملی؛ جایگزینی ارگانیک برای مدیریت مرکزی

یک توسعه‌دهنده رویکردی تجربی برای هماهنگی عامل‌های هوش مصنوعی معرفی کرده که به‌جای مدیریت متمرکز، بر سیگنال‌های محیطی تکیه دارد. این سیستم نشان می‌دهد که حذف سلسله‌مراتب می‌تواند…

۲ دقیقه خواندن
آموزش کاربردی

عامل‌های هوش مصنوعی جایگزین اسکریپت‌های سخت‌گیرانه در اتوماسیون تست شدند

یک چرخش معماری در مهندسی کیفیت، اسکریپت‌های ایستا را با عامل‌های هوش مصنوعی جایگزین می‌کند که قادر به برنامه‌ریزی و تطبیق بلادرنگ هستند. این رویکرد با استفاده از استدلال برای…

۲۱ دقیقه خواندن
آموزش کاربردی

تحلیل جدید: پذیرش پیش‌فرض‌های غلط، عامل شکست عامل‌های هوش مصنوعی

عامل‌های هوش مصنوعی اغلب نه به دلیل توهم، بلکه به دلیل پذیرش مطلق پیش‌فرض‌های غلط کاربر شکست می‌خورند. این رفتار باعث تولید نتایجی می‌شود که از نظر فنی درست اما از نظر کاربردی…

۶ دقیقه خواندن
آموزش کاربردی

«جداسازی منطق تصمیم از تولید متن»؛ رویکرد جدید کلودفلر در Clef

کلودفلر با معرفی مدل Clef، جایگزین پرامپت‌های باز را با یک لایه تصمیم‌گیری ساختاریافته کرد که به‌جای متن، احتمالات آماری برمی‌گرداند. این رویکرد نیاز به تجزیه خروجی را حذف کرده و…

۶ دقیقه خواندن