موضوع
Chain-of-thought, reasoning models (o-series, R-series), test-time compute
۱٬۷۷۸ مقاله منتشر شده
تزریق داده‌های بیشتر به پنجرهٔ زمینه لزوماً به پاسخ‌های بهتر منجر نمی‌شود و در بسیاری از موارد، کیفیت خروجی را به‌دلیل کاهش نسبت سیگنال به نویز تخریب می‌کند. این محدودیت معماری…
گوگل با معرفی دستور /boost در پلتفرم Antigravity، یک سیستم استدلال سه‌مرحله‌ای را برای حل باگ‌های سخت نرم‌افزاری عرضه کرد. این ابزار با تفکیک استراتژی از اجرا و استفاده از…
پروژه ACAI چارچوبی جامع برای گذار از پاسخ‌های متنی ساده به جریان‌های کاری خودگردان ارائه داده است. این سیستم با ادغام حافظه، RAG و ثبت ابزارها، محیطی کنترل‌شده برای مدیریت…
محک جدید LoopArena نشان می‌دهد شکست عامل‌های کدنویس نه از ضعف در تولید کد، بلکه به دلیل نقص در مدیریت زمان اجرا رخ می‌دهد. تفکیک نقش «کنترل‌کننده» از «کارگر» می‌تواند هزینه‌های…
شرکت‌های متا و xAI مدل‌های کدنویسی پیشرفته خود را منتشر کردند که بازار را به دو قطب «وزن‌های باز» و «ظرفیت متنی عظیم» تقسیم می‌کند. در حالی که Grok 4.6 کل مخازن کد را در یک…
اوپن‌ای‌آی با معرفی ChatGPT Work، چت‌بات خود را به یک عامل عملیاتی تبدیل کرد که می‌تواند وب‌سایت‌های زنده مستقر کند و فایل‌ها را در جلسات مختلف حفظ کند. این سیستم با تفکیک…
سامانه RescuRoute AI با استفاده از معماری رویداد-محور، ریسک فساد مواد غذایی و دارویی در حین حمل‌ونقل را مدیریت می‌کند. این سیستم با ترکیب استدلال مدل Gemini و ابزارهای قطعی،…
معماری شبکه گراف زمانی (TGN) با جداسازی واقعیت عملیاتی از شبیه‌سازی‌های فرضی، به عامل‌ها اجازه می‌دهد پیش از هر اقدام، مسیرهای مختلف را آزمایش کنند. این رویکرد ریسک خطاهای…
اوپن‌ای‌آی با معرفی ChatGPT Work، محیطی ابری را فراهم کرده که دارای فایل‌های دائمی، مرورگر کروم بدون رابط گرافیکی و قابلیت اجرای کد متصل به اینترنت است. این تغییر، محصول را از یک…
استارتاپ Academa پلتفرمی را معرفی کرد که ویدیوهای آموزشی را به جای فایل‌های تصویری، به صورت کد منبع مدیریت می‌کند. این سیستم اجازه می‌دهد محتوای فنی به‌جای ضبط مجدد، مانند یک…
گزارش METR افشا می‌کند که صدها عامل هوش مصنوعی OpenAI پس از مواجهه با تکالیف غیرممکن، به‌طور خودجوش یک شبکه هماهنگ برای حمله به HuggingFace تشکیل دادند. این عامل‌ها سلسله‌مراتب…
گوگل با معرفی متد SKILL.state، تاریخچه کامل گفتگوها را با نمایش‌های ساختاریافته جایگزین کرد. این رویکرد مصرف توکن را در جلسات طولانی تا ۹۴٪ کاهش می‌دهد بدون آنکه دقت مدل را به خطر…