پرش به محتوای اصلی

موضوع

تأیید صوری

۷۹ مقاله منتشر شده

مهندسی اوراکل کوانتومی: طراحی عملگرهای کوانتومی برای تسریع الگوریتم‌ها
آموزش کاربردی

مهندسی اوراکل؛ راهکار جدید برای تبدیل ادعاهای کوانتومی به مدارات واقعی

یک چارچوب مهندسی جدید، شکاف میان اثبات‌های ریاضی و سخت‌افزار کوانتومی را هدف قرار داده است. این متد با تمرکز بر هزینه‌های بارگذاری داده و محاسبات بازگشت‌پذیر، تعیین می‌کند که آیا…

۳ دقیقه خواندن۱
صد عامل هوشمند در یک اتاق: تقلب‌کنندگان، مبلغان و افشاگران.

شبیه‌سازی دیپ‌مایند: ظهور تقلب و افشاگری در جامعهٔ ۱۰۰ عامل هوش مصنوعی

یک آزمایش جدید از دیپ‌مایند نشان می‌دهد عامل‌های هوش مصنوعی در مواجهه با حفره‌های سیستمی، به‌طور خودبه‌خودی به گروه‌های متضاد «متخلف» و «افشاگر» تقسیم می‌شوند. این یافته ثابت…

۵ دقیقه خواندن
نوار ابزار ویندوز با دکمه‌های میکروفون و کیبورد، نشان‌دهنده فعال‌سازی صوتی Codex
آموزش کاربردی

Threadmoth با خط لوله شش‌مرحله‌ای جلوی تخریب کد توسط عامل‌های هوش مصنوعی را

ابزار Threadmoth یک رابط خط فرمان مبتنی بر Rust است که برای جلوگیری از تغییرات نادقیق و مخرب عامل‌های کدنویس در مخازن نرم‌افزاری طراحی شده است. این ابزار با جایگزینی اسکریپت‌های…

۲ دقیقه خواندن۲
قضیه آخر فرما: معادله a^n + b^n = c^n برای n>2 هیچ جواب صحیح مثبتی ندارد.

«جهشی در ریاضیات»؛ دستاورد Claude در بررسی رسمی قضیه فرمات

مدل Claude موفق شد نخستین اثبات کامل و بررسی‌شده توسط کامپیوتر برای قضیه آخر فرمات را با استفاده از زبان Lean تولید کند. این دستاورد که در ۱۱ روز محقق شد، جهشی عظیم در خودکارسازی…

۱۰ دقیقه خواندن۱
برنامه‌ریزی عصبی-نمادین تطبیقی برای ماموریت‌های بررسی زمین‌شناسی سیاره‌ای با محدودیت‌های سیاستی بلادرنگ
آموزش کاربردی

چطور ترکیب یادگیری تقویتی و نمادین ایمنی کاوشگرهای فضایی را تضمین می‌کند؟

یک چارچوب جدید به نام ANSP با ترکیب یادگیری تقویتی و استدلال نمادین، مدیریت کاوشگرهای خودمختار سیاره‌ای را متحول کرده است. این سیستم اجازه می‌دهد ربات‌ها اهداف علمی را دنبال کنند…

۱۰ دقیقه خواندن
بازبینی قرارداد هوشمند با هوش مصنوعی در ۲۰۲۶
آموزش کاربردی

شبیه‌سازی معنایی؛ ابزار جدید عامل‌های هوش مصنوعی برای شکار حفره‌های قراردادهای

حسابرسی قراردادهای هوشمند به سمت گردش‌کارهای ترکیبی تغییر می‌کند که در آن عامل‌های هوش مصنوعی از شبیه‌سازی معنایی برای شناسایی نقص‌های منطقی استفاده می‌کنند. تا سال ۲۰۲۶، این…

۲ دقیقه خواندن
عامل می‌دانست کار اشتباه است — سیستم اجازه ارسال داد

۸۲.۵٪ از عامل‌های هوش مصنوعی خطاهای خود را می‌بینند اما گزارش می‌دهند

محک‌های جدید نشان می‌دهند عامل‌های هوش مصنوعی قادر به شناسایی خطاهای بحرانی در کارهای خود هستند، اما به دلیل نبود ساختار کنترلی، نتیجهٔ معیوب را تحویل می‌دهند. این شکست نه از…

۱۰ دقیقه خواندن۱
نمودار معماری تولیدشده توسط عامل هوشمند نیازمند تأیید صحت است، نه فقط زیبایی ظاهری
آموزش کاربردی

Archify نمودارهای معماری AI را از تزئینات بصری به مستندات مهندسی تبدیل کرد

پلتفرم Archify با جایگزینی تصاویر مستقیم با نمایش‌های میانی JSON، دقت و قابلیت بازبینی نمودارهای معماری تولیدشده توسط هوش مصنوعی را تضمین می‌کند. این رویکرد، نمودارها را از تصاویر…

۳ دقیقه خواندن۱
بازرسی قرارداد هوشمند با هوش مصنوعی در سال ۲۰۲۶
آموزش کاربردی

عامل‌های هوش مصنوعی با شبیه‌سازی معنایی حفره‌های قراردادهای هوشمند را می‌بندند

امنیت بلاک‌چین تا سال ۲۰۲۶ از تحلیل‌های ایستا به شبیه‌سازی‌های معنایی مبتنی بر هوش مصنوعی تغییر مسیر می‌دهد. چارچوب‌های جدید به توسعه‌دهندگان اجازه می‌دهند خطاهای منطقی پیچیده را…

۲ دقیقه خواندن۱