موضوع
Chain-of-thought, reasoning models (o-series, R-series), test-time compute
۶۰۸ مقاله منتشر شده
Forge یک لایه پایداری جدید است که مدلهای زبانی کوچک را قادر میسازد تا وظایف پیچیده را با دقت بالا اجرا کنند. این ابزار اجازه میدهد مدلهای ۸ میلیاردی در گردشهای کاری عاملمحور…
مدل Qwen 3.5-9B اطلاعات حساس را حذف نمیکند، بلکه از یک مدار سه-بعدی در وزنهای خود برای مسیریابی آنها به سمت پاسخهای سانسورشده استفاده میکند. این کشف نشان میدهد که دانش واقعی…
مدل Kimi K2.6 از شرکت Moonshot AI با معماری MoE توانست در بنچمارکهای کدنویسی از مدلهای بسته و قدرتمندی مثل GPT-5.5 پیشی بگیرد. این اتفاق نشان میدهد شکاف عملکردی بین مدلهای…
شرکت Cloudflare نشان داد که مدل Mythos Preview متعلق به Anthropic قادر است زنجیرههای پیچیده اکسپلویت را بهطور خودکار بسازد. این شرکت با طراحی یک چارچوب عاملمحور چندمرحلهای،…
بنچمارک جدیدی نشان میدهد Claude Mythos در توسعه اکسپلویتهای واقعی برای موتور V8 بهطور قابلتوجهی از GPT-5.5 پیشی گرفته است. با این حال، دستیابی به این سطح از توانمندی در اجرای…
معیار جدید WorldReasonBench نشان میدهد که مدلهای تجاری تولید ویدیو در استدلال جهانی دو برابر قدرتمندتر از رقبای بازمتن هستند. با این حال، تمامی مدلهای بررسیشده در درک مفاهیم…
شرکت Zyphra با معرفی ZAYA1-8B-Diffusion-Preview، نخستین مدل MoE را ارائه کرد که از ساختار خودبازگشتی به مدل انتشار گسسته تبدیل شده است. این معماری با تولید همزمان ۱۶ توکن، سرعت…
زبان آزمایشی Aperio با جایگزینی نحو سنتی با مدلهای ساختاری به نام loci، فاصله بین تفکر انسانی و کد را میگیرد. هدف این پروژه کاهش هزینه توکنها و تأخیر در عاملهای کدنویسی است.
کاربران نسخه Pro در آمریکا اکنون میتوانند حسابهای بانکی خود را به ChatGPT متصل کنند. این سیستم با استفاده از مدلهای استدلالی جدید، داشبوردهای مالی لحظهای میسازد و توصیههای…
دوازده عامل هوش مصنوعی در پروژه Lingzu توانستند سیستم حاکمیتی خود را بسازند، اما ۷۳٪ از دادههای تولیدی آنها توهم بود. این تجربه نشان میدهد استقلال کامل مدلها بدون نظارت…
مدل DeepSeek-V4 با ارائه استدلالهای سطح پیشرو و پنجره متنی یک میلیون توکنی، شکاف بین مدلهای وزنباز و تجاری را از بین برد. این مدل در بنچمارکهای کلیدی با Claude Opus 4.6-Max…
نسخه v0.21.0 از vLLM با پشتیبانی اختصاصی از پردازندههای Blackwell برای مدل DeepSeek-R1 و معرفی «بودجه تفکر» عرضه شد. این بهروزرسانی همچنین پیشنیازهای فنی را به C++20 و…