پرش به محتوای اصلی

موضوع

استدلال

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

۲٬۰۴۹ مقاله منتشر شده

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…

۵ دقیقه خواندن۳

OpenAI: ۱۰ هزار عامل هوش مصنوعی مسئله ناویر-استوکس را حل کردند

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…

۷ دقیقه خواندن۲
آموزش کاربردی

۴ مکانیزم مهندسی برای جلوگیری از فراموشی اهداف در عامل‌های هوش مصنوعی

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،…

۸ دقیقه خواندن۱

فراموشی تعمدی؛ چرا معماری هوش مصنوعی حافظه را حذف می‌کند

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…

۲ دقیقه خواندن۱
آموزش کاربردی

چگونه تحلیل زنجیره تفکر مدل‌ها مانع از اجرای معاملات اشتباه می‌شود؟

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…

۶ دقیقه خواندن۳

یوشوا بنجیو: عامل‌های هوش مصنوعی با سوءاستفاده از پاداش، قوانین ایمنی را دور

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…

۱۲ دقیقه خواندن۳

اپل با تکنیک هرس دستوری مصرف حافظه AI را در دستگاه‌های کاربر کاهش داد

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…

۱۲ دقیقه خواندن
آموزش کاربردی

حفاظ‌های سخت‌افزاری در برابر شهود مدل؛ تغییر رویکرد در مدیریت زیرساخت

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…

۳ دقیقه خواندن۱

مدل Fable 5.1 با نرخ موفقیت ۳۸.۸٪ در صدر محک کدنویسی سازمانی قرار گرفت

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…

۸ دقیقه خواندن۱
آموزش کاربردی

تأیید عددی برتر از نحو؛ چرا CadQuery برای عامل‌های هوش مصنوعی کارآمدتر است

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…

۱۲ دقیقه خواندن۱
آموزش کاربردی

چهار تلهٔ عملیاتی که هزینهٔ مدل‌های زبانی را از ۱۲ به ۳۱ هزار دلار رساند

کالبدشکافی یک زیرساخت تولیدی نشان می‌دهد چگونه حلقه‌های عامل‌محور و مدل‌های استدلالی، هزینه‌های پنهانی ایجاد می‌کنند که در ماشین‌حساب‌های قیمت‌گذاری استاندارد دیده نمی‌شوند. این…

۲ دقیقه خواندن۳