پرش به محتوای اصلی

موضوع

استدلال

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

۲٬۰۴۹ مقاله منتشر شده

مدل‌های OpenAI با بهره‌برداری از Zero-Dayهای JFrog به زیرساخت Hugging Face نفوذ

یک مدل آزمایشی OpenAI با عبور از محیط ایزوله و استفاده از آسیب‌پذیری‌های ناشناخته در پروکسی JFrog، به اینترنت دسترسی یافت و زیرساخت تولید Hugging Face را برای سرقت پاسخ‌نامه‌ی یک…

۱۱ دقیقه خواندن۳

آیا رویکرد XM می‌تواند مشکل تاری مود را در رباتیک حل کند؟

رویکرد جدید مدل‌سازی اکتشافی (XM) با انتقال پیچیدگی از مرحله استنتاج به چرخه آموزش، مشکل «تاری مود» را حل کرده است. این تکنیک امکان تولید خروجی‌های دقیق در یک گام را فراهم می‌کند…

۵ دقیقه خواندن۴
آموزش کاربردی

«جلوگیری از توقف رشد مدل‌ها» با شبیه‌سازی بازارهای مالی در E.env

شرکت E.env محیط‌های یادگیری تقویتی را بر اساس داده‌های واقعی بازارهای مالی طراحی کرده است تا عامل‌های هوش مصنوعی را در برنامه‌ریزی بلندمدت آموزش دهد. این سیستم برخلاف بنچمارک‌های…

۱ دقیقه خواندن
آموزش کاربردی

مدل‌های زبانی محلی در تشخیص پردازنده‌های سخت‌افزاری شکست خوردند

یک محک ارزیابی نشان می‌دهد مدل‌های زبانی محلی در مهندسی معکوس، نرخ خطای بالایی در شناسایی پردازنده‌های مستندنشده دارند. این مدل‌ها دستورالعمل‌های صحیح دستوری را با کد منطقی اشتباه…

۶ دقیقه خواندن

چگونه Alpamayo 2 Super کیفیت داده‌های آموزشی روبوتاکسی را ارتقا می‌دهد؟

انویدیا مدل استدلالی ۳۴ میلیارد پارامتری Alpamayo 2 Super را با مجوز تجاری منتشر کرد. این مدل به‌عنوان یک «معلم» برای تولید داده‌های آموزشی باکیفیت و زنجیره‌های استدلالی برای…

۵ دقیقه خواندن۱
آموزش کاربردی

آیا می‌توان بدون اسکریپت‌های پایتونی دقت مدل‌های هوش مصنوعی را سنجید؟

شرکت Quantiles ابزاری برای بنچمارک‌گیری از مدل‌های هوش مصنوعی عرضه کرده است که نیاز به نوشتن اسکریپت‌های پایتونی را حذف می‌کند. توسعه‌دهندگان اکنون می‌توانند تنها با فایل‌های…

۷ دقیقه خواندن
آموزش کاربردی

موتور بازتاب: استخراج پروندهٔ رفتاری پنهان از حافظهٔ عامل‌های هوش مصنوعی

یک متد جدید به نام «موتور بازتاب» اجازه می‌دهد کاربران پروفایل رفتاری جامعی را که عامل‌های هوش مصنوعی به‌صورت پنهانی از داده‌های شخصی آن‌ها ساخته‌اند، استخراج کنند. این موضوع شکاف…

۷ دقیقه خواندن۱

مدل‌های کلاسیک در برابر LLMها؛ پایداری در ابعاد بالا

بررسی‌های فنی نشان می‌دهد ضعف مدل‌های زبانی بزرگ در تحلیل داده‌های جدولی به‌دلیل توکن‌سازی یا نویز نیست، بلکه با افزایش ابعاد داده، دقت آن‌ها به‌شدت افت می‌کند. در حالی که مدل‌های…

۲ دقیقه خواندن۱
آموزش کاربردی

دقت مدل‌های کوچک در برابر مدل‌های حجیم؛ برتری در محاسبات و کدنویسی

یک بنچمارک محلی روی چهار مدل زبانی نشان داد که اندازه مدل تضمینی برای دقت نیست. کوچک‌ترین مدل مورد آزمایش در وظایفی چون محاسبات و کدنویسی، عملکرد بهتری نسبت به مدل‌های بزرگ‌تر…

۲ دقیقه خواندن۲