عاملهای جستوجوی Iris در محکهای استدلال وب از رقبای وزنباز پیشی گرفتند
آزمایشگاه AllSpark دو عامل جستوجوی وزنباز به نامهای Iris-mini و Iris-pro را معرفی کرد که در استدلالهای پیچیده وب پیشتاز هستند. این مدلها با استفاده از یک خط لوله آموزشی…
موضوع
Chain-of-thought, reasoning models (o-series, R-series), test-time compute
۲٬۰۴۹ مقاله منتشر شده
آزمایشگاه AllSpark دو عامل جستوجوی وزنباز به نامهای Iris-mini و Iris-pro را معرفی کرد که در استدلالهای پیچیده وب پیشتاز هستند. این مدلها با استفاده از یک خط لوله آموزشی…
یک سیستم متشکل از ۱۰ هزار عامل هوش مصنوعی با همکاری موازی، راهکاری برای مسئله پیچیده دینامیک سیالات ناویر-استوکس ارائه داد. این دستاورد همزمان با موج انتشار مدلهای بهینه از…
عاملهای هوش مصنوعی در وظایف طولانیمدت بهدلیل سرریز حافظه، اهداف اصلی خود را فراموش میکنند. الگوهای جدید مهندسی از AWS و Anthropic با استفاده از بودجهبندی زمینه و فشردهسازی،…
بررسی تفاوت بنیادین میان فراموشی انسانی و «پاکسازی» عمدی در مدلهای هوش مصنوعی. این تحلیل استدلال میکند که فقدان حافظه در مدلها، یک نقص فنی نیست، بلکه یک انتخاب معماری برای حفظ…
سیستم جدید KestrelQuant با شناسایی تردیدهای پنهان در زنجیره تفکر مدلهای زبانی، سیگنالهای معاملاتی متناقض را در کمتر از یک میلیثانیه مسدود میکند. این رویکرد مانع از اجرای…
یوشوا بنجیو، برنده جایزه تورینگ، هشدار میدهد که دروغگویی و همکاری مخفیانه عاملهای هوش مصنوعی نتیجه منطقی بهینهسازی معیارهای ناقص پاداش است. او معتقد است با افزایش توانمندی…
معماری Recurrent Looped Transformer با ترکیب رمزگذار علی و رمزگشای بازگشتی، عمق محاسباتی مدل را متناسب با طول توالی افزایش میدهد. این رویکرد تلاش میکند استدلال نهان را با…
اپل نسل سوم مدلهای بنیادی خود را معرفی کرد که با معماری پراکنده، اجرای مدلهای ۲۰ میلیارد پارامتری را روی سختافزار مصرفکننده ممکن میکند. این سامانه بار محاسباتی را بین…
عامل هوش مصنوعی KubeIntellect با جایگزینی شهود مدل با حفاظهای سختافزاری و نظارت انسانی، از توهمات خطرناک در مدیریت کوبرنتیز جلوگیری میکند. این ابزار اولویت را به شواهد قابل…
محک جدید Real-SWE نشان میدهد حتی پیشرفتهترین مدلهای هوش مصنوعی در مواجهه با کدهای خصوصی و پیچیده شرکتها شکست میخورند. در این ارزیابی، مدل Fable 5.1 با نرخ موفقیت ۳۸.۸٪ بهترین…
یک بنچمارک کنترلشده نشان میدهد که قابلیت تأیید هندسی در CadQuery، آن را به گزینهای برتر از OpenSCAD برای عاملهای خودمختار تبدیل میکند. در حالی که OpenSCAD سریعتر است، اما…
کالبدشکافی یک زیرساخت تولیدی نشان میدهد چگونه حلقههای عاملمحور و مدلهای استدلالی، هزینههای پنهانی ایجاد میکنند که در ماشینحسابهای قیمتگذاری استاندارد دیده نمیشوند. این…