گزیدهای از خواندنیترین و مهمترین مطالب داتهوش.

پژوهشگران چارچوب TimeVista را معرفی کردهاند که با بهرهگیری از مدلهای بینایی-زبانی (VLMs)، پیشبینیهای سریهای زمانی را از طریق تحلیل نمودارها ارزیابی میکند. این رویکرد در مقایسه با معیارهای سنتی عددی، همراستایی بهمراتب بیشتری با ترجیحات بصری انسان دارد.

تلاشهای فعلی برای ایجاد هوش مصنوعی کثرتگرا اغلب تنوع را به جایگزینهای آماری تقلیل میدهند و ساختارهای معنایی بنیادین را نادیده میگیرند. چهارچوب جدید PLG تلاش میکند با حسابرسی کیفی، مانع از «تسطیح» مفاهیم انسانی پیچیده در مدلها شود.

چارچوب استدلالی سبکوزن LiteOdyssey با تکیه بر سیاستهای همکاری انسان-ماشین، در تشخیص بیماریهای بسیار نادر از GPT-5.4 پیشی گرفت. این دستاورد نشان میدهد که ساختار استدلالی دقیق بر مقیاسبندی خشن دادهها برتری دارد.

چارچوب RecourseBench با معرفی یک خط لولهی پنجلایه، امکان ارزیابی سیستماتیک و تکرارپذیر روشهای بازگشت الگوریتمی را فراهم کرده است. این ابزار با اعتبارسنجی ۲۸ متد پیشرو، شکاف میان ادعاهای کیفی و نتایج کمی در تبیینپذیری هوش مصنوعی را پر میکند.

ابزارهای تبدیل صوت به متن محلی در مکهای سری M جایگزین سرویسهای ابری شدهاند. Snaply.ai به دلیل رایگان بودن، قابلیت آفلاین و تمرکز بر حریم خصوصی، به پیشنهاد اول کاربران تبدیل شده است.

ساتیا نادلا هشدار میدهد شرکتهایی که صرفاً از مدلهای آماده استفاده میکنند، در خطر از دست دادن دانش تخصصی خود هستند. او راهکار رسیدن به بقا را ساخت «سرمایه توکنی» از طریق حلقههای یادگیری اختصاصی میداند.

یک بنچمارک جدید از ۶۰ مدل نشان میدهد که سری Claude در رد پروپاگاندای روسیه پیشتاز است. در مقابل، عملکرد ضعیف Mistral ادعای این شرکت فرانسوی بهعنوان جایگزین اروپایی و قابلاعتماد برای مدلهای آمریکایی را به چالش میکشد.

ماهواره YAM-9 با استفاده از مدل Gemma 3 موفق شد برای نخستین بار اهداف زمینی را بدون دخالت انسان در مدار شناسایی کند. این انتقال پردازش به لبه، گلوگاههای ارسال داده را حذف کرده و مسیر را برای گشتزنیهای خودکار فضایی هموار میکند.

استارتاپ امنیتی NewCore با جذب ۶۶ میلیون دلار سرمایه، قصد دارد عاملهای هوش مصنوعی را بهجای ابزارهای نرمافزاری، بهعنوان کارمندانی رسمی با هویت مستقل مدیریت کند. این شرکت یک لایهی حاکمیتی برای کنترل دسترسی و نظارت بر نیروی کار عاملمحور میسازد.

شرکت Sarvam AI با جذب ۲۳۴ میلیون دلار سرمایه، به ارزش ۱.۵ میلیارد دلار رسید. هدف این پروژه ساخت یک زیرساخت هوش مصنوعی حاکمیتی برای کاهش وابستگی هند به شرکتهای آمریکایی است.

متا با معرفی AI Mode، پستهای عمومی و بحثهای گروههای فیسبوک را به پاسخهای مستقیم و خلاصه تبدیل میکند. این بهروزرسانی شامل ابزارهای ویرایش عکس و دستیارهای تولید محتوا است و با مدل اشتراکی جدید عرضه میشود.

SpaceX استارتآپ کدنویسی Cursor را در قراردادی ۶۰ میلیارد دلاری خرید تا بخش هوش مصنوعی خود را نجات دهد. این حرکت استراتژیک پس از عرضه اولیه موفق SpaceX و خروج بنیانگذاران xAI صورت گرفت.

برنامهنویسان در حال جایگزینی اشتراکهای گرانقیمت ابری با پشتههای محلی بر پایه Qwen 3.6 و Pi.dev هستند. این روند، اولویت را از «استدلال سطح ارشد» به «حریم خصوصی و هزینه صفر» تغییر داده است.

یک برنامهنویس بهسختی از عفونی شدن سیستمش با بدافزار نجات یافت. مهاجمان با جعل هویت متخصصان در لینکدین، از دستور نصب بستههای npm برای ایجاد درگاه پشتیبان در سیستم قربانی استفاده کردند.

افزایش مقیاس مدلهای پیشرو نتوانسته است مشکل بنیادین آموزشهای مبتنی بر هوش مصنوعی، یعنی مدیریت همزمان برنامه درسی و گفتگو را حل کند. یک سیستم جدید با جداسازی مدیریت دانش از لایه گفتگو، در سرعت آموزش و میزان تسلط دانشآموزان از مدلهای زبانی عمومی پیشی گرفته است.

گردشکار جدیدی به نام ICALens با بهرهگیری از تحلیل مؤلفههای مستقل (ICA)، مسیرهای تفسیری در بازنماییهای مدلهای زبانی را بدون نیاز به آموزش متمرکز و هزینهبر دیکشنریها بازیابی میکند. نتایج نشان میدهد این روش در سناریوهای با بودجه محاسباتی محدود، رقیبی جدی برای اتوانکودرهای پراکنده (SAEs) است.

چارچوب جدید CANOLA با تخمین توزیع نویز و پالایش تکرارشونده، برچسبهای نادرست در مجموعهدادههای یادگیری ماشین را اصلاح میکند. این رویکرد دادهمحور، عملکرد مدلهای پاییندستی را بهطوری بهبود میبخشد که بر پیچیدگیهای معماری مدل پیشی میگیرد.

مدل Autopilot با بهکارگیری ماشین حالت متناهی (FSM)، ادعاهای نادرست عاملها درباره اتمام موفقیتآمیز کار را حذف کرد. این معماری در بنچمارک SWE-bench Lite توانست نرخ توهم را از ۳۳.۷٪ به تنها ۰.۶۷٪ کاهش دهد.

پژوهشگران با معرفی روش **Runtime Skill Audit** (RSA)، سیستمی برای شناسایی رفتارهای مخرب در **عاملهای هوش مصنوعی** (AI Agents) توسعه دادهاند که از چشمان تحلیلهای استاتیک پنهان میمانند. این متد حتی در برابر حملاتی که خود را تکامل میدهند، نرخ شناسایی بسیار بالایی را حفظ میکند.

پژوهشهای جدید نشان میدهد مدلهای زبانی بزرگ توانایی استدلال اخلاقی بسیار بالاتری از آنچه تصور میشد دارند. این پیشرفت از طریق تغییر متدولوژی ارزیابی — از پاسخهای باز به تولید روبریکهای امتیازدهی — کشف شده است.

پژوهشگران چارچوبی همافزا برای ادغام مدلهای زبانی بزرگ با دادههای گرافساختار را پیشنهاد دادهاند تا شکافهای استدلالی در تحلیلهای چندمرحلهای را برطرف کنند. این رویکرد گرافمحور با ترکیب گرافهای دانش و شبکههای عصبی گراف، سازگاری واقعگرایانه و برنامهریزی خودمختار عاملها را تضمین میکند.

یک سامانه جدید یادگیری فدرال برای تشخیص ناهنجاریهای ECG، با ترکیب حریم خصوصی تفاضلی و کوانتیزاسیون INT8، دقت بالای مدل را در سختافزارهای لبه حفظ میکند. این سیستم روی Raspberry Pi 4 به دقت AUROC ۰.۷۸۲ دست یافت و همزمان تأخیر پردازش را بهطور چشمگیری کاهش داد.

یک قضیه ریاضی جدید ثابت میکند که هیچ استراتژی آموزشی مبتنی بر مشاهدهی رفتار نمیتواند صداقت مطلق یک مدل را تضمین کند. این پژوهش نشان میدهد عاملها تمایل دارند پاسخهایی دهند که انسانها «درست» میپندارند، نه آنچه مدل واقعاً باور دارد.

پژوهشگران چارچوب StatefulDiscovery را برای جلوگیری از تفسیرهای نادرست عاملهای هوش مصنوعی در پژوهشهای علمی معرفی کردند. این سیستم با بیرونیسازی وضعیت تحقیق، کیفیت ادعاهای علمی را در ۴۰ سناریوی واقعی بهبود بخشیده است.

پژوهشی در ۱۱ ژوئن ۲۰۲۶ نشان میدهد که با استفاده از بهینهسازی DR-Submodular میتوان تلخیص دادهها را هدف قرار داد. این روش با تغییر ساختار شباهت دادهها، عملکرد مدلهای پاییندستی را بدون تغییر در وزنهای مدل تخریب میکند.

پژوهشگران چارچوبی مبتنی بر نظریه یادگیری آماری برای تعریف دقیق «قابلیت استنتاج» در قانون هوش مصنوعی اتحادیه اروپا ارائه کردهاند. این رویکرد با تحلیل کل جریان داده بهجای تمرکز تکبعدی بر مدل، ابهامات قانونی برای سامانههای پرخطر (مانند اعتبارسنجی مالی) را برطرف میکند.

سیستم MoCA-Agent با معرفی معماری «بازار ادعا»، استدلال عددی در تحلیلهای مالی را متحول کرده و به دقت ۸۵.۶٪ در بنچمارک FinChart-Bench رسیده است. این مدل بهجای بحثهای متنی، بر تأیید ادعاهای اتمی و سنتز کد پایتون متمرکز است تا خطاهای محاسباتی را حذف کند.

داریو آمودئی، مدیرعامل انتراپیک، تمامی عملیات روزمره شرکت را به خواهرش دانیلا سپرده است. در این ساختار غیرمتعارف، او تنها یک زیرمجموعه مستقیم دارد تا تمرکز خود را بهطور کامل بر چشمانداز فنی و پژوهشی نگه دارد.

شرکت Opendoor با تعطیلی دفاتر خود در هند، مسیر خود را به سمت تیمهای کوچکتر و «بومیِ هوش مصنوعی» تغییر میدهد. این اقدام نشاندهنده سقوط مدل سنتی برونسپاری است؛ چرا که هوش مصنوعی نیاز به نیروی انسانی گسترده برای کارهای اداری را از بین میبرد.

ارائهدهندگان خدمات ابری (SaaS) که کاربر اروپایی دارند، باید تا ۲ اوت ۲۰۲۶ اعلانهای شفافیت هوش مصنوعی را در رابط کاربری خود پیاده کنند. عدم افشای تعاملات با AI و محتواهای مصنوعی میتواند جریمههایی تا ۱۵ میلیون یورو داشته باشد.