Claude Fable 5: جهش در کدنویسی با مکانیسم پنهان تضعیف عملکرد
مدل جدید Fable 5 شرکت آنتروپیک در بنچمارکهای کدنویسی رکوردهای جدیدی ثبت کرده است، اما طبق مستندات، این مدل بهطور مخفیانه کیفیت پاسخها را برای پژوهشهای هوش مصنوعی کاهش میدهد.…
موضوع
Chain-of-thought, reasoning models (o-series, R-series), test-time compute
۲٬۰۴۹ مقاله منتشر شده
مدل جدید Fable 5 شرکت آنتروپیک در بنچمارکهای کدنویسی رکوردهای جدیدی ثبت کرده است، اما طبق مستندات، این مدل بهطور مخفیانه کیفیت پاسخها را برای پژوهشهای هوش مصنوعی کاهش میدهد.…
شرکت Moonshot AI مدل وزنباز Kimi K2.7-Code را برای بهینهسازی کدنویسی عاملمحور منتشر کرد. این مدل با کاهش «بیشفکری» (Overthinking) و بهینهسازی زنجیره تفکر، کارایی استنتاج را…
گوگل برای کاهش هزینههای سرسامآور محاسباتی، کاربران رایگان خود را به مدل کوچکتر Gemini Flash-Lite منتقل میکند. قابلیتهای استدلالی پیشرفته از این پس تنها برای مشترکان…
تحلیلی فنی روی عملکرد عاملهای هوش مصنوعی نشان میدهد که دسترسی به دادههای رسمی در زبان فارسی با شکست مواجه است. در حالی که این مدلها در تسکهای انگلیسی دقت بالایی دارند، در…
یک توسعهدهنده با معرفی چارچوبی برای همکاری عاملهای هوش مصنوعی، استانداردهای سنتی کدنویسی را «مانع پیشرفت» خواند. او پیشنهاد میکند برای حذف توهمات، باید «بهترین تجربیات انسانی»…
نسخه ۰.۳.x ابزار Baize با معرفی «لایهٔ تصویرسازی» (Projection Layer)، مشکل تحلیل رفتن دادههای حیاتی در گفتگوهای طولانی را حل کرده است. این روش بدون تخریب تاریخچهٔ اصلی، اطلاعات…
وقتی چندین عامل هوش مصنوعی از یک حافظه مشترک استفاده میکنند، ممکن است در چرخهای از اصلاحات متناقض گیر کنند و دادهها را تخریب کنند. راهکار جدید با استفاده از لایه میانافزار MCP…
یک توسعهدهنده با جایگزینی آزادی عمل عاملهای هوش مصنوعی با دستورالعملهای عملیاتی سختگیرانه (SOP) و «گیتهای» مکانیکی، از انحراف مدل و انفجار توکنها در ساخت یک سیستمفایل…
شرکت Yukon Systems موتور تصمیمگیرندهای به نام TORos ساخته است که بهجای پذیرش اولین پاسخ، مدلهای مختلف را به بحث و تقابل وادار میکند. این سیستم با شبیهسازی یک دادگاه، اجماع…
یک توسعهدهنده با طراحی یک داور ترکیبی (Hybrid Judge) توانست دقت ارزیابی پاسخهای هوش مصنوعی را به سطح انسانی برساند و هزینهٔ هر پاسخ را از ۸۰ سنت به ۳ سنت کاهش دهد. این سیستم با…
عامل سفر Ninety با ممنوع کردن محاسبات ریاضی برای مدل زبانی و سپردن آنها به یک موتور قطعی TypeScript، توهمات عددی را حذف کرد. این سیستم از پروتکل MCP برای بازیابی قوانین…
دستورات مستقیم به عاملهای هوش مصنوعی اغلب منجر به اصلاحات سطحی و خطاهای زنجیرهای میشود. جایگزینی دستور با پرسشهای سقراطی، مدل را مجبور به شبیهسازی علت و معلول میکند و منجر…