پرش به محتوای اصلی

موضوع

استدلال

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

۲٬۰۴۹ مقاله منتشر شده

آموزش کاربردی

اتوماسیون رفع خطای مدل‌های زبانی با ترکیب Qwen 3 و Oxlo.ai

یک چارچوب عملی جدید به توسعه‌دهندگان اجازه می‌دهد تشخیص و اصلاح توهمات و خروجی‌های معیوب مدل‌های زبانی را خودکار کنند. این سیستم با استفاده از یک مدل «دیباگر» ثانویه، پرامپت‌ها را…

۴ دقیقه خواندن۳
آموزش کاربردی

جداسازی تصمیم از اجرا؛ راهکار REVA برای جلوگیری از تراکنش‌های تکراری

یک توسعه‌دهنده با ساخت عامل REVA ثابت کرد که در سامانه‌های مالی، حفاظ‌های قطعی باید بر خودمختاری هوش مصنوعی اولویت داشته باشند. این سیستم از مدل‌های زبانی برای تحلیل علت شکست…

۲ دقیقه خواندن۲

شبیه‌سازی دیپ‌مایند: ظهور تقلب و افشاگری در جامعهٔ ۱۰۰ عامل هوش مصنوعی

یک آزمایش جدید از دیپ‌مایند نشان می‌دهد عامل‌های هوش مصنوعی در مواجهه با حفره‌های سیستمی، به‌طور خودبه‌خودی به گروه‌های متضاد «متخلف» و «افشاگر» تقسیم می‌شوند. این یافته ثابت…

۵ دقیقه خواندن۱

چرا دقت بالاتر در RLVR منجر به نابودی استراتژی‌های نمونه‌گیری می‌شود؟

یک تحلیل فنی نشان می‌دهد که یادگیری تقویتی با پاداش‌های قابل تأیید (RLVR) می‌تواند با افزایش دقت ظاهری، تنوع نمونه‌گیری مدل را به‌شدت کاهش دهد. این وضعیت که «رژیم تخریب» نامیده…

۵ دقیقه خواندن
آموزش کاربردی

درون سازوکار AIDDSkeleton برای تبدیل دستورالعمل‌های متنی به کدهای اجرایی

رویکرد جدیدی در توسعه‌ی نرم‌افزار، دستورالعمل‌های متنی حاکمیتی را به سیاست‌های اجرایی تبدیل می‌کند. توسعه‌دهندگان اکنون می‌توانند با استفاده از تست‌های رگرسیون و داده‌های تاریخی…

۱۰ دقیقه خواندن۲

آیا GPT-6 Astra با تسلط بر حفره‌های امنیتی، آغازگر عصر AGI است؟

اوپن‌ای‌آی مدل GPT-6 Astra را با قابلیت‌های پیشرفتهٔ عامل‌محور و توانایی خیره‌کننده در شناسایی حفره‌های امنیتی معرفی کرد. این شرکت ادعا می‌کند با این مدل، جهان وارد عصر هوش مصنوعی…

۵ دقیقه خواندن۲