«سیستم ایمنی جمعی»؛ راهکار TormentNexus برای حذف باگهای تکراری
یک معماری جدید خودبهبودبخش، عیبیابی واکنشی را با حلقههای خودمختار جایگزین کرده است که خطاها را در لحظه تشخیص داده و اصلاح میکنند. این سیستم با ذخیره راهکارها در یک حافظه مشترک،…
موضوع
Chain-of-thought, reasoning models (o-series, R-series), test-time compute
۲٬۰۴۹ مقاله منتشر شده
یک معماری جدید خودبهبودبخش، عیبیابی واکنشی را با حلقههای خودمختار جایگزین کرده است که خطاها را در لحظه تشخیص داده و اصلاح میکنند. این سیستم با ذخیره راهکارها در یک حافظه مشترک،…
پژوهشی از AgentVitals نشان میدهد نوسان در عملکرد عاملهای هوش مصنوعی بیش از آنکه به ناپایداری مدل مربوط باشد، ناشی از ابهام در دستورالعملهای داوری است. این تیم دریافت که طراحی…
تغییر دمای مدلهای زبانی (Temperature) باعث تولید ایدههای جدید نمیشود، بلکه تنها احتمال انتخاب توکنهای کماحتمالتر را افزایش میدهد. این تنظیمات رتبهبندی داخلی مدل را تغییر…
انویدیا با معرفی NOOA، پیچیدگیهای توسعه عاملهای هوش مصنوعی را به ساختار استاندارد مهندسی نرمافزار منتقل کرد. این ابزار با کاهش ۵۰ درصدی مصرف توکن، دقت بالایی را در بنچمارکهای…
رتبهبندیهای عمومی مدلهای زبانی اغلب برای توسعهدهندگان گمراهکننده است، زیرا نمرات آکادمیک محدودیتهای دنیای واقعی را پوشش نمیدهند. رویکرد مسیریابی وظایف (Task-specific…
یک چارچوب ارزیابی جدید نشان میدهد که مدلهای زبانی در نقش معلم، تمایل دارند بیش از حد به دانشآموز کمک کنند و فرصت «تلاش سازنده» را از آنها بگیرند. با وجود بهبود در مهندسی…
یک مطالعه بر روی ۷۲ آزمایش نشان میدهد که فشردهسازی خروجیهای ابزار در پروتکل MCP باعث میشود عاملها از انجام وظایفی که قادر به حل آنها هستند، صرفنظر کنند. این پژوهش ثابت…
بررسی یک جلسه عملی با عاملهای هوشمند نشان میدهد که پرامپتهای مبهم و نادیده گرفتن فاز برنامهریزی منجر به حلقههای تکراری و اتلاف توکن میشود. این مورد بر ضرورت تعریف دقیق…
آزمایشهای جدید نشان میدهد عاملهای هوش مصنوعی میتوانند با تبدیل اسکرینشاتها به دادههای اندازهگیری شده، ویدیوهای باکیفیت تولید کنند. این مدلها بدون «دیدن» واقعی فیلم، تنها…
پلتفرم BMAD با معرفی یک سامانه چندعاملی، تصمیمات فنی را پیش از کدنویسی اجباری میکند. این روش با انتقال مرحله برنامهریزی به ابتدای فرآیند، از حدسهای خاموش و باگهای پنهان در…
یک چارچوب ارزیابی جدید با استفاده از ASan و UBSan ثابت کرد که اصلاحات کد C++ توسط هوش مصنوعی اغلب در ظاهر درست اما در زمان اجرا شکست میخورند. این سیستم سیگنالهای باینری پاس/فیل…
شیائومی خانواده مدلهای MiMo را برای کارهای برنامهنویسی و پردازش متون طولانی در دسترس قرار داد. این مدلها با تمرکز بر استدلال پیشرفته طراحی شدهاند و از طریق Hugging Face قابل…