پرش به محتوای اصلی

موضوع

استدلال

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

۲٬۰۴۹ مقاله منتشر شده

هم‌سویی مدل و سخت‌افزار؛ استراتژی جدید DeepSeek و Etched برای کاهش هزینه استنتاج

توسعه‌های جدید در لایه‌های مدل، محیط و زیرساخت نشان می‌دهد پیشرفت هوش مصنوعی از مقیاس‌بندی ساده به سمت چرخه بسته از ادراک و سخت‌افزار تخصصی می‌رود. این تغییرات هدفشان افزایش…

۱ دقیقه خواندن۱
آموزش کاربردی

تضاد اعتبار و صحت: ۴ مدل هوش مصنوعی خروجی JSON معتبر اما غلط تولید می‌کنند

یک محک جامع روی ۱۲ مدل پیشرو نشان می‌دهد که فعال کردن حالت «تفکر» در مدل‌های استدلالی، باعث تخریب مقادیر داده‌ای در خروجی‌های ساختاریافته می‌شود. این مطالعه همچنین تفاوت‌های شدید…

۱۲ دقیقه خواندن۲
آموزش کاربردی

جمینای با نرخ انتخاب ۳۹.۶٪ برندهٔ آزمون کورِ مقاله‌نویسی دانشجویی شد

یک مطالعه کور روی ۶۸۰۰ دانشجو نشان می‌دهد جمینای محبوب‌ترین هوش مصنوعی برای نوشتن مقالات دانشگاهی است و از کلود و ChatGPT پیشی گرفته است. داده‌ها حاکی از آن است که در حالی که…

۶ دقیقه خواندن
زندگی با AIتأییدنشده · منبع منفرد

۷ نقطه کور مدل‌های زبانی بزرگ؛ از نقشه‌های ASCII تا جست‌وجوی کلیدواژه

کاربران پیشرفته در Hacker News مجموعه‌ای از وظایف ساده اما دشوار برای هوش مصنوعی را شناسایی کردند. این شکست‌ها شکاف عمیق میان تسلط زبانی و دقت منطقی در مدل‌های فعلی را افشا می‌کند.

۳ دقیقه خواندن۳
آموزش کاربردی

Darwin-36B در برابر مدل‌های غول‌پیکر؛ پیروزی بازترکیب تکاملی بر حجم داده

مدل جدید Darwin-36B-Opus توانست در یکی از سخت‌ترین محک‌های استدلال، با مدلی ۱۱ برابر بزرگ‌تر برابری کند. این دستاورد به‌جای آموزش سنگین با GPU، از طریق یک فرآیند تکاملی برای ترکیب…

۴ دقیقه خواندن۲

مطالعهٔ MIT: اتکای به چت‌بات‌ها دقت تشخیص اخبار جعلی را ۱۵٪ کاهش داد

وابستگی بیش از حد به هوش مصنوعی برای راستی‌آزمایی اخبار، منجر به ایجاد «پارادوکس وابستگی» شده است. این پدیده در حالی که در ابتدا دقت کاربر را بالا می‌برد، در بلندمدت توانایی تفکر…

۲ دقیقه خواندن۱
آموزش کاربردی

معماری سیستم در برابر نقص مدل؛ ریشهٔ خطاهای سامانه‌های RAG

بسیاری از شکست‌های سامانه‌های RAG ناشی از معماری سیستم است، نه نقص مدل‌های زبانی. با تبدیل بازیابی به مرحلهٔ «تولید کاندید» و افزودن لایه‌های بازرتبه‌بندی و اعتبارسنجی، می‌توان از…

۸ دقیقه خواندن۱
آموزش کاربردی

مدل‌های Granite 4.2 آی‌بی‌ام با یادگیری تقویتی مرحله‌بندی‌شده استدلال می‌کنند

آی‌بی‌ام خانواده مدل‌های استدلالی Granite 4.2 را با وزن‌های باز منتشر کرد که بر اساس ۱۵ تریلیون توکن آموزش دیده‌اند. این مدل‌ها با استفاده از یک خط لوله یادگیری تقویتی…

۲۵ دقیقه خواندن۴
آموزش کاربردی

۲ شرط لازم برای موفقیت در به‌روزرسانی انبوه کدها با هوش مصنوعی

تلاش یک توسعه‌دهنده برای به‌روزرسانی ۵۰۰ اسکریپت نشان داد که موازی‌سازی «کار» با موازی‌سازی «استدلال» متفاوت است. این پروژه تنها زمانی موفق شد که وظایف قطعی به اسکریپت‌ها سپرده شد…

۸ دقیقه خواندن