پرش به محتوای اصلی

موضوع

استدلال

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

۲٬۰۴۹ مقاله منتشر شده

«طراحی سیستمی به جای تعویض مدل»؛ کلید موفقیت عامل‌های هوشمند

مصاحبه با ۲۰ مهندس هوش مصنوعی نشان می‌دهد که اکثر استقرار‌های عامل‌محور به‌دلیل اشتباه در تعریف «عامل» و تکیه بر تعویض مدل به‌جای طراحی سیستمی شکست می‌خورند. تفاوت میان یک رابط چت…

۵ دقیقه خواندن۳
آموزش کاربردی

ThoughtDAG: حذف پیام‌های خطا اثرات زنجیره‌ای را در LLM پاک نمی‌کند

محک جدید ThoughtDAG نشان می‌دهد حذف یک پیام اشتباه از تاریخچهٔ گفتگو، لزوماً اثر آن خطا را از حافظهٔ مدل پاک نمی‌کند. «پژواک» این اشتباهات در پاسخ‌های بعدی باقی می‌ماند، مگر آنکه…

۵ دقیقه خواندن۱
آموزش کاربردی

مدل Claude در ۱۴ مورد از ۱۵ هدف، پروتئین‌های فعال زیستی طراحی کرد

مدل‌های آنتروپیک با نرخ موفقیتی بسیار فراتر از استانداردهای صنعتی، موفق به طراحی پروتئین‌های پیونددهنده شدند. این پیشرفت بر پایه یک سیستم تأیید آزمایشگاهی است که ثابت می‌کند…

۳ دقیقه خواندن۱

آیا مدل‌های پیشرو توانایی استخراج ایده‌های نو از مراجع پژوهشی را دارند؟

یک محک جدید نشان می‌دهد مدل‌های پیشرو هوش مصنوعی در استخراج ایده‌های پژوهشی از کتاب‌شناسی‌ها به‌شدت ناتوان‌اند. حتی با استفاده از سامانه‌های چندعاملی، نرخ موفقیت به ۴۲٪ می‌رسد که…

۳ دقیقه خواندن۳
آموزش کاربردی

عامل‌های هوش مصنوعی تمرکز صنعت را از تولید محتوا به اجرای هدف تغییر دادند

هوش مصنوعی عامل‌محور با افزودن استقلال، برنامه‌ریزی و توانایی استفاده از ابزار، از مدل‌های زاینده فراتر رفته است. این تحول اجازه می‌دهد سیستم‌ها به‌جای پاسخ به پرامپت‌ها، کل…

۸ دقیقه خواندن۱
آموزش کاربردی

Zyctra با اتوماسیون رزومه‌های پزشکی نرخ رد درخواست‌های ATS را کاهش داد

پلتفرم Zyctra ابزاری تخصصی برای پزشکان و متخصصان سلامت عرضه کرد که رزومه‌ها را مطابق با استانداردهای سخت‌گیرانه سیستم‌های ATS بازنویسی می‌کند. این سرویس با استفاده از حافظه…

۳ دقیقه خواندن۲

۲۶۶ دلار هزینه برای روت کردن تبلت «غیرقابل‌نفوذ» آمازون با ۴ مدل هوش مصنوعی

یک مهندس امنیت با زنجیره‌سازی چهار مدل پیشرو، موفق شد یک تبلت Amazon Fire HD 10 را روت کند. این تجربه شکاف عمیق میان حفاظ‌های سخت‌گیرانه مدل‌های آمریکایی و قابلیت‌های عامل‌محور…

۱۲ دقیقه خواندن۴
آموزش کاربردی

حذف دو-سوم دستورات پرامپت بازدهی مدل‌های زبانی را افزایش داد

بررسی ۱۴٬۴۰۰ مورد نشان می‌دهد حذف قوانین متضاد، بهینه‌ترین راه برای کاهش خطای پرامپت است. این استراتژی ساده، دقتی مشابه با اصلاحات پیچیده دارد اما هزینه‌ی توکن‌ها را به‌شدت کاهش…

۳ دقیقه خواندن۲
آموزش کاربردی

قراردادهای سخت‌گیرانه در ابزارها نرخ خطای عامل‌های هوش مصنوعی را ۱۳ برابر کاهش

تحلیلی جدید نشان می‌دهد اجبار عامل‌های هوش مصنوعی به مواجهه با خطاهای صریح در فراخوانی ابزارها، شکست‌های «ساکت» را به‌شدت کاهش می‌دهد. این رویکرد به توسعه‌دهندگان اجازه می‌دهد…

۳ دقیقه خواندن