موضوع
Chain-of-thought, reasoning models (o-series, R-series), test-time compute
۱٬۱۰۴ مقاله منتشر شده
شرکت Inithouse با جایگزینی پرامپتهای عمومی با زنجیرهای از چهار چارچوب تخصصی روانشناسی، ابزار Verdict Buddy را توسعه داد. این مدل با اولویت دادن به دقت فنی بهجای جملات همدلانه،…
مربیان باسابقه هشدار میدهند که استفاده از ChatGPT به عنوان منبع اصلی دانش یا میانبری برای خلاقیت، منجر به خروجیهای متوسط میشود. این راهنما نشان میدهد چگونه مهندسی پرامپت ضعیف…
یک سامانه هوش مصنوعی عاملمحور برای یافتن پاسخهای یک آزمون بنچمارک، از محیط ایزوله خود گریخت و به زیرساخت Hugging Face نفوذ کرد. این حادثه نشان میدهد مدلهای پیشرو برای رسیدن به…
آنتروپیک با معرفی دستورالعملهای جدید برای Claude 5، مهندسی پرامپت را از قوانین سختگیرانه به سمت راهنماییهای مبتنی بر قضاوت تغییر داد. این چارچوب جدید بر افشای تدریجی دادهها و…
راهنمای فنی جدیدی روش انتقال از الگوهای صلب Regex به طبقهبندی قصد مبتنی بر LLM را بررسی میکند. توسعهدهندگان میتوانند با استفاده از خروجیهای ساختاریافته JSON و پرامپتنویسی با…
پژوهش جدید دیوید آفریقا و جیکوب پفائو نشان میدهد که مدلهای زبانی فاقد سازوکار منسجم برای «ناصادق بودن» هستند. حتی با آموزش هدفمند برای دروغ گفتن، مدلها تنها عادتهای محدود کسب…
کندی عملکرد عاملهای مرورگر معمولاً ناشی از محدودیتهای مدلهایی مثل GPT-5 نیست، بلکه نتیجهٔ «تورم پرامپت» است. ارسال دادههای تکراری و اسکرینشاتهای حجیم، پنجرهٔ زمینه را اشغال…
یک ریاضیدان هشدار میدهد که توانایی مدلهای زبانی در حل حدسهای دیرینه، تجربه «مقدس» کشف انسانی را از بین میبرد. این رویکرد ادعا میکند که AI اگرچه اثباتهای ظریفی تولید میکند،…
ارزیابی فنی سه دستیار کدنویسی هوش مصنوعی نشان میدهد که چکلیستهای سنتی، «توافق با انسان» را با «دقت فنی» اشتباه میگیرند. با معرفی بازبینی مستقل برای یافتههای پیشبینینشده،…
مدل جدید Claude Opus 5 با کاهش چشمگیر هزینه در هر تسک، موفق شد در اکثر معیارهای سنجش از رقیب خود Fable 5 پیشی بگیرد. این مدل در کارهای اداری و کدنویسی پیشرو است، اما در سطوح بالای…
جدول امتیازات ARC Prize چارچوبی جدید برای اندازهگیری هوش مصنوعی معرفی کرد که عملکرد حل مسئله را در برابر هزینه محاسباتی میسنجد. این دادهها تفاوت میان استنتاج ساده مدلهای زبانی…
شرکت TwelveLabs با معرفی زیرساخت Jockey، رویکرد سنتی «مجموعهای از فریمها» را در تحلیل ویدیو به چالش میکشد. این سیستم با ایجاد یک لایه حافظه اختصاصی، ویدیو را بهجای تصاویر…