شاخص هوشمندی: مدل GLM-5.3-Flash امتیاز ۵۷ را کسب کرد
شرکت Z AI مدل استدلالی جدید GLM-5.3-Flash را معرفی کرد که با قیمتی بسیار پایین، عملکردی به مراتب بالاتر از میانگین مدلهای همرده دارد. این مدل ترکیبی از پنجره متنی گسترده و…
۲ دقیقه خواندن
موضوع
استدلال
Chain-of-thought, reasoning models (o-series, R-series), test-time compute
۱٬۶۷۹ مقاله منتشر شده
محک PeakBench: عدم ارتباط دقت برنامهریزی با مدیریت منابع سختافزاری
محک جدید PeakBench نشان میدهد عاملهای هوش مصنوعی میتوانند وابستگیهای یک گردشکار را بهدرستی تشخیص دهند اما همچنان با اشباع حافظه و پردازنده، سرور را کرش کنند. این مطالعه…
۶ دقیقه خواندن
همسویی مدل و سختافزار؛ استراتژی جدید DeepSeek و Etched برای کاهش هزینه استنتاج
توسعههای جدید در لایههای مدل، محیط و زیرساخت نشان میدهد پیشرفت هوش مصنوعی از مقیاسبندی ساده به سمت چرخه بسته از ادراک و سختافزار تخصصی میرود. این تغییرات هدفشان افزایش…
۱ دقیقه خواندن
تضاد اعتبار و صحت: ۴ مدل هوش مصنوعی خروجی JSON معتبر اما غلط تولید میکنند
یک محک جامع روی ۱۲ مدل پیشرو نشان میدهد که فعال کردن حالت «تفکر» در مدلهای استدلالی، باعث تخریب مقادیر دادهای در خروجیهای ساختاریافته میشود. این مطالعه همچنین تفاوتهای شدید…
۱۲ دقیقه خواندن۱
تحلیل ۶ ماهه: توزیع نقاط قوت میان ۳ مدل پیشرو در ۲۰۲۶
تحلیل ششماهه عملکرد مدلهای پیشرو نشان میدهد که دیگر «بهترین مدل واحد» وجود ندارد. در حالی که GPT-5 Turbo در بنچمارکهای خام و سرعت برنده است، Claude 4 Opus در دیباگینگ پیچیده و…
۱۳ دقیقه خواندن۲
جمینای با نرخ انتخاب ۳۹.۶٪ برندهٔ آزمون کورِ مقالهنویسی دانشجویی شد
یک مطالعه کور روی ۶۸۰۰ دانشجو نشان میدهد جمینای محبوبترین هوش مصنوعی برای نوشتن مقالات دانشگاهی است و از کلود و ChatGPT پیشی گرفته است. دادهها حاکی از آن است که در حالی که…
۶ دقیقه خواندن
زندگی با AIتأییدنشده · منبع منفرد
۷ نقطه کور مدلهای زبانی بزرگ؛ از نقشههای ASCII تا جستوجوی کلیدواژه
کاربران پیشرفته در Hacker News مجموعهای از وظایف ساده اما دشوار برای هوش مصنوعی را شناسایی کردند. این شکستها شکاف عمیق میان تسلط زبانی و دقت منطقی در مدلهای فعلی را افشا میکند.
۳ دقیقه خواندن
DeepSeek V4 با درگاه سازگار OpenAI دسترسی به مدلهای استدلالی را تسهیل کرد
مدل DeepSeek V4 اکنون از طریق یک درگاه API یکپارچه و سازگار با SDK شرکت OpenAI در دسترس است. این بهروزرسانی شامل یک لایه Flash برای کاهش تأخیر در کارهای سبک و حذف نیاز به کدنویسی…
۳ دقیقه خواندن
Darwin-36B در برابر مدلهای غولپیکر؛ پیروزی بازترکیب تکاملی بر حجم داده
مدل جدید Darwin-36B-Opus توانست در یکی از سختترین محکهای استدلال، با مدلی ۱۱ برابر بزرگتر برابری کند. این دستاورد بهجای آموزش سنگین با GPU، از طریق یک فرآیند تکاملی برای ترکیب…
۴ دقیقه خواندن۱
مطالعهٔ MIT: اتکای به چتباتها دقت تشخیص اخبار جعلی را ۱۵٪ کاهش داد
وابستگی بیش از حد به هوش مصنوعی برای راستیآزمایی اخبار، منجر به ایجاد «پارادوکس وابستگی» شده است. این پدیده در حالی که در ابتدا دقت کاربر را بالا میبرد، در بلندمدت توانایی تفکر…
۲ دقیقه خواندن
معماری سیستم در برابر نقص مدل؛ ریشهٔ خطاهای سامانههای RAG
بسیاری از شکستهای سامانههای RAG ناشی از معماری سیستم است، نه نقص مدلهای زبانی. با تبدیل بازیابی به مرحلهٔ «تولید کاندید» و افزودن لایههای بازرتبهبندی و اعتبارسنجی، میتوان از…
۸ دقیقه خواندن۱
مدلهای Granite 4.2 آیبیام با یادگیری تقویتی مرحلهبندیشده استدلال میکنند
آیبیام خانواده مدلهای استدلالی Granite 4.2 را با وزنهای باز منتشر کرد که بر اساس ۱۵ تریلیون توکن آموزش دیدهاند. این مدلها با استفاده از یک خط لوله یادگیری تقویتی…
۲۵ دقیقه خواندن۲