«قورباغههای سلطنتی»؛ اثرات ناخواسته در خروجیهای بصری هوش مصنوعی
یک محک جدید به نام FROGS_ نشان میدهد که مدلهای هوش مصنوعی در مواجهه با پرامپتهای ساده، دچار «بیشویرایشگری» میشوند. این مدلها بهجای رسم یک قورباغه ساده، ویژگیهای پزشکی و…
موضوع
Chain-of-thought, reasoning models (o-series, R-series), test-time compute
۲٬۰۴۹ مقاله منتشر شده
یک محک جدید به نام FROGS_ نشان میدهد که مدلهای هوش مصنوعی در مواجهه با پرامپتهای ساده، دچار «بیشویرایشگری» میشوند. این مدلها بهجای رسم یک قورباغه ساده، ویژگیهای پزشکی و…
یک سامانه چندعاملی جدید با جایگزینی چتباتهای تکمدل، زنجیرهای تخصصی از برنامهریز، پژوهگر، اجراکننده و منتقد ایجاد میکند. این معماری با جداسازی مسئولیتها و اجبار به حلقهٔ…
یک توسعهدهنده با جایگزینی چتهای گروهی ساده با یک «روتر» مبتنی بر ماشین وضعیت (State Machine)، توهمات قوانین را در بازی اجتماعی Werewolf حذف کرد. این معماری ثابت میکند که برای…
آندرج کارپاتی توانایی مدل Opus 5 در تبدیل متن به محیطهای سه بعدی تعاملی و رویهای را به نمایش گذاشت. این آزمایش نشاندهنده گذار به سوی جهانسازی «در لحظه» است، هرچند نبود بازخورد…
پژوهشگران دریافتند حذف دستورالمانهای سختگیرانه در مدیریت حافظه، مدل Kimi K3 را از یک «منشی یادداشتبردار» به یک «طراح سیستم» تبدیل میکند. این تغییر باعث کاهش دفعات بهروزرسانی…
کمپانی Anthropic در ابزار Claude Code مکانیزمی به نام EnterPlanMode ایجاد کرده است که مدل را مجبور میکند پیش از هر تغییری، یک فاز اکتشافیِ «فقط خواندنی» را طی کند. این رویکرد با…
چارچوب معماری جدیدی با ترکیب ترنسفورمرهای تصمیمگیر و حاکمیت «اعتماد صفر»، مدیریت زیستگاههای حیاتی اعماق دریا را ممکن کرد. این سامانه با استفاده از دادههای تلهمتری آفلاین و یک…
مدل جدید آنتروپیک قادر است بازیهای سهبعدی و شبیهسازهای فیزیکی قابل اجرا را تنها با یک پرامپت و از طریق کدنویسی رویهای تولید کند. برخلاف مدلهای ویدئویی، این مدل خروجیهای قابل…
یک شبیهسازی گسترده توسط MIT Sloan نشان داد که پیروی از توصیههای مالی هوش مصنوعی منجر به پسانداز و تنوعبخشی بیشتر نسبت به تصمیمات انسانی میشود. با این حال، مدلها در مدیریت…
شرکت AMD مدل Instella-MoE-16B-A3B را معرفی کرد؛ مدل زبانی مبتنی بر ترکیب خبرهها که کاملاً روی سختافزارهای Instinct آموزش دیده است. این مدل در بنچمارکهای استدلالی و پایه، اکثر…
یک حفره امنیتی در هسته Lean باعث شد اثباتی نادرست برای حدس کولاتز پذیرفته شود. این اتفاق نتیجه همزمانی دو باگ مجزا در هسته رسمی و یک بررسیکننده مستقل بود.
کلاود کد (Claude Code) با جایگزینی پرامپتهای آزاد با یک سیستم ساختاریافته از چهار لایه ابزاری، خروجیهای غیرقابلپیشبینی مدلهای زبانی را به اقدامات قابلاعتماد تبدیل میکند.…