پرش به محتوای اصلی

موضوع

استدلال

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

۲٬۰۴۹ مقاله منتشر شده

بنچمارک FINAL-Bench: مدل‌های زبانی در اصلاح خطاهای خود شکست می‌خورند

چارچوب ارزیابی FINAL-Bench نشان می‌دهد مدل‌های زبانی بزرگ اغلب در شناسایی و اصلاح خطاهای استدلالی خود ناتوان‌اند و حتی پاسخ‌های درست را به غلط تبدیل می‌کنند. این «تنگنای…

۴ دقیقه خواندن۲
آموزش کاربردی

شواهد مستند در برابر خروجی‌های احتمالی؛ راهکار جدید برای پژوهش‌های AI

پژوهش‌های مبتنی بر هوش مصنوعی اغلب به دلیل نبود مرحلهٔ بازبینی، دچار توهم و تحلیل‌های سطحی می‌شوند. آزمایشگاه Oroboro با معرفی یک عامل «تخاصمی» برای رد ادعاهای غیرقابل‌اتکا،…

۳ دقیقه خواندن۱
آموزش کاربردی

چطور Datalog می‌تواند از فراموشی حقایق در عامل‌های هوش مصنوعی جلوگیری کند؟

سامانه آزمایشی Lemmalog برای جلوگیری از فراموشی حقایق در عامل‌های هوش مصنوعی، حافظه برداری مبهم را با موتور منطقی Datalog جایگزین کرده است. این رویکرد باعث می‌شود عامل‌ها در وظایف…

۱۸ دقیقه خواندن۱
آموزش کاربردی

جایگزینی شهود مدل‌های زبانی با ریاضیات قطعی در بهینه‌سازی دسته‌های کارت

یک سرور MCP جدید با جایگزینی «شهود» مدل‌های زبانی با محاسبات هایپرژومتریک، خطاهای احتمالی در طراحی دسته‌های بازی‌های کارتی (TCG) را حذف می‌کند. این سیستم با انتقال محاسبات…

۴ دقیقه خواندن۳

«از ایده‌پرداز به شریک آزمایشگاهی»؛ ارتقای قابلیت‌های Co-Scientist

گوگل دیپ‌مایند ابزار Co-Scientist را از یک ایده‌پرداز ساده به شریکی تبدیل کرد که تجهیزات آزمایشگاهی را کنترل می‌کند. این سیستم با استفاده از ماژول‌های اعتبارسنجی جدید، نرخ ساختگی…

۴ دقیقه خواندن۵
آموزش کاربردی

۱۷۰ خط کد پایتون در برابر لنگ‌چین؛ چرا پیاده‌سازی دستی حلقه‌های ReAct برنده است

پیاده‌سازی دستی حلقهٔ عامل‌های ReAct نشان می‌دهد که حذف لایه‌های انتزاعی فریم‌ورک‌ها، کنترل کامل بر بازیابی خطا و مدیریت حافظه را به توسعه‌دهنده بازمی‌گرداند. این رویکرد در مقابل…

۹ دقیقه خواندن