اجرای دستورات در برابر تشخیص صحت: نقطهٔ ضعف عاملهای مرورگر
عاملهای هوش مصنوعی در اجرای دستورات مرورگر موفق بودهاند، اما در تشخیص صحت نتایج (Verdict) ناتواناند. معماریهای جدید پیشنهاد میکنند برای جلوگیری از خود-ارزیابی و سوءاستفاده از…
موضوع
Chain-of-thought, reasoning models (o-series, R-series), test-time compute
۲٬۰۴۹ مقاله منتشر شده
عاملهای هوش مصنوعی در اجرای دستورات مرورگر موفق بودهاند، اما در تشخیص صحت نتایج (Verdict) ناتواناند. معماریهای جدید پیشنهاد میکنند برای جلوگیری از خود-ارزیابی و سوءاستفاده از…
یک قالب ساختاریافته برای پرامپتنویسی معرفی شده است که با اعمال قوانین سختگیرانه بر بستر و فرمت، نوسانات کیفی پاسخهای هوش مصنوعی را حذف میکند. این سیستم به کاربران اجازه میدهد…
استارتاپ Linum با جایگزینی فیلترهای ارزانقیمت CPU با سیستمهای شتابیافته GPU و یادگیری تقویتی (RLVR)، نویز دادههای پیشآموزش را حذف کرد. این چرخش راهبردی باعث شد مدلهای تولید…
استارتاپ Deep Cogito با جذب سرمایه جدید قصد دارد تمرکز توسعه هوش مصنوعی را از پیشآموزشهای عظیم به پسآموزشهای پیشرفته تغییر دهد. این رویکرد با تبدیل زنجیرههای استدلالی طولانی…
یک تحلیل فنی جدید پدیدهای به نام «تضعیف محدودیت» را شناسایی کرده است که در آن موانع امنیتی در جریانهای کاری چندعاملی به توصیههای اختیاری تبدیل میشوند. این مطالعه ثابت میکند…
مدیران OpenAI استراتژی خود را بر مدلهای Astra متمرکز کردهاند تا سیستمهایی بسازند که مانند کارآموزان پژوهشی، بهطور مستقل دانش جدید تولید کنند. این شرکت برای تأمین هزینههای…
پردازش زبان طبیعی (NLP) در حوزه مالی از امتیازدهی ساده به احساسات فراتر رفته و اکنون بر تحلیل لحن، عدم قطعیت و بستر کلام در گزارشهای مالی تمرکز دارد. تیمهای کوانت با تفکیک سخنان…
تحقیقات جدید نشان میدهد مدلهای پیشرو در مواجهه با وظایفی که تخصص سطح ارشد را میطلبد، بهطور کامل شکست میخورند. در حالی که هوش مصنوعی در پیشنویسهای اولیه مفید است، تکیه به آن…
شرکت Zyter از اتوماسیون ساده فاصله گرفته و به سمت ایجاد یک «لایه اجرا» برای هماهنگی میان عاملها، انسانها و دادههای سازمانی حرکت میکند. ساندار سوبرامانیان معتقد است شکست صنعت…
یک توسعهدهنده با حذف دستورات تکراری در پرامپت سیستمی و غیرفعال کردن چرخههای استدلال غیرضروری، تأخیر مدل Flash Onyx 2.1 را بهشدت کاهش داد. این تغییر باعث حذف پاسخهای خالی…
شرکت Z AI مدل استدلالی جدید GLM-5.3-Flash را معرفی کرد که با قیمتی بسیار پایین، عملکردی به مراتب بالاتر از میانگین مدلهای همرده دارد. این مدل ترکیبی از پنجره متنی گسترده و…
محک جدید PeakBench نشان میدهد عاملهای هوش مصنوعی میتوانند وابستگیهای یک گردشکار را بهدرستی تشخیص دهند اما همچنان با اشباع حافظه و پردازنده، سرور را کرش کنند. این مطالعه…