استدلال

مدل‌های زبانی مدرن بین دو مسیر معماری متراکم و ترکیب خبره‌ها (MoE) تقسیم شده‌اند. در حالی که مدل‌های متراکم از تمام توان خود برای هر پاسخ استفاده می‌کنند، MoE تنها بخش‌های تخصصی…

شرکت OpenAI ارتباطات بین عامل‌های هوش مصنوعی در ابزار Codex را رمزگذاری کرد تا توسعه‌دهندگان نتوانند روند تفویض تکالیف را ببینند. گمان می‌رود این اقدام برای جلوگیری از استخراج…

گزارش جدید OpenAI نشان می‌دهد بسیاری از جدول‌های رتبه‌بندی کدنویسی به‌دلیل تداخل داده‌های آموزشی و آزمون غیرقابل‌اعتماد هستند. این تحلیل تأکید می‌کند که نمرات بدون بررسی دقیق نشت…

گوگل دیپ‌مایند یک مربی هوش مصنوعی برای آزمایشگاه‌های Atal Tinkering Labs معرفی کرد که به‌جای ارائه پاسخ‌های سریع، اولویت را به تفکر مستقل دانش‌آموز می‌دهد. این سامانه با استفاده…

یک چارچوب ارزیابی جدید با استفاده از دو پیاده‌سازی مستقل از کد، باگ‌های پیچیده‌ای را می‌گیرد که تست‌های سنتی نادیده می‌گیرند. این سیستم با تطبیق خروجی‌های دو موتور مجزا، سطح…

یک پژوهشگر با بازسازی معماری JEPA شرکت متا برای بازی Super Mario Bros دریافت که توانایی پیش‌بینی فریم‌های آینده به معنای تسلط بر کنترل بازی نیست. مدل مذکور در پیش‌بینی‌های…

چارچوب H2A2H جایگزین فرایندهای سنتی تعامل انسان با اپلیکیشن می‌شود تا عامل‌ها را از ابزارهای ساده به لایه‌های واسط تبدیل کند. این سیستم تماس‌های فنی API را با کشف قصد کاربر و…

پلتفرم Maxim AI با معرفی ابزار مشاهده‌پذیری (Observability) برای گردش‌های کاری عامل‌محور، فراتر از ثبت ساده وقایع رفته تا مسیر تصمیم‌گیری‌های پیچیده را ردیابی کند. این سیستم به…

تحلیلی فنی نشان می‌دهد پارادایم فعلی چت‌بات‌ها بر پایه وزن‌های ثابت، با نیازهای بهره‌وری و امنیت متخصصان در تضاد است. چارچوب پیشنهادی «فرشته نگهبان»، جایگزینی مدل‌های عمومی را با…

ابزار Argus برای جلوگیری از توهمات هوش مصنوعی، تنها زمانی علت ریشه‌ای یک نقص را گزارش می‌کند که پنج تحلیل مستقل بر سر آن توافق کنند. این رویکرد اجماعی مانع از حدس‌های نادرست مدل…

شرکت PrismML مدل Bonsai 27B را معرفی کرد؛ نخستین مدل در این مقیاس که به‌دلیل استفاده از وزن‌های ۱-بیتی و ترنری، روی گوشی‌های هوشمند اجرا می‌شود. این مدل قابلیت‌های استدلالی…

ارائه بصری باکیفیت در گزارش‌های تولید شده توسط هوش مصنوعی می‌تواند کاربران را به اشتباه بیندازد تا تصور کنند تحلیل دقیقی صورت گرفته است. این مقاله یک گردش‌کار پنج‌مرحله‌ای برای…