موضوع
Chain-of-thought, reasoning models (o-series, R-series), test-time compute
۱٬۱۱۳ مقاله منتشر شده
خوشهبندی سلسلهمراتبی با ایجاد ساختاری درختی، نیاز به حدس زدن تعداد گروهها را حذف میکند. این روش برای شناسایی الگوهای پنهان در دادههای با تراکم متغیر، مانند تحلیل ژنتیک و…
یک راهنمای کاربردی جدید نشان میدهد چگونه میتوان با استفاده از RAG-Anything، سیستمی ساخت که همزمان متن، جداول مارکداون، معادلات LaTeX و تصاویر را بازیابی و تحلیل کند. این…
ابزار متنباز Quorum لایهای از نظارت را به حلقههای اجرای عاملهای هوش مصنوعی اضافه میکند تا توهمات را در لحظه شناسایی و متوقف کند. این سیستم بهجای ثبت گزارش ساده، از پنج داور…
آزمونی دقیق روی ۱۱ مدل زبانی بزرگ نشان داد که Fable-5 در بازسازی ساختارهای پیچیده کد و شناسایی باگهای منطقی، دقیقترین عملکرد را دارد. این مدل توانست با ارجاع دقیق به خطوط کد،…
لایه نهایی مدلهای زبانی بزرگ از فرمول ریاضی سال ۱۷۸۷ برای تبدیل لاجیتها به احتمال استفاده میکند. این دوگانگی ریاضی، مبنای عملکرد تابع سافتمکس و تنظیمات دمای مدل است.
یک آزمون استرس روی مدل محلی Ornith-1.0-35b نشان داد که عملکرد این مدل در مواجهه با پیچیدگیهای دنیای واقعی بهطور کامل فرو میپاشد. در حالی که مدل در وظایف ساده موفق بود، در تمامی…
روش سنتی Rubber Ducking با تبدیل تحلیلهای خاموش به گفتگوهای فعال با هوش مصنوعی تکامل یافته است. برنامهنویسان اکنون میتوانند گلوگاههای ناهمگام و شکافهای منطقی کد را در چند…
پژوهشهای جدید نشان میدهد دستاوردهای یادگیری تقویتی در مدلهای زبانی بزرگ بهجای توزیع در کل مدل، در چند لایه میانی متمرکز شدهاند. آموزش تنها یک لایه مجزا میتواند بخش بزرگی از…
دادههای جدید شکاف عمیقی را میان بنچمارکهای کوتاه و وظایف واقعی-طولانی کدنویسی نشان میدهند. مدل Opus 4.8 در جریانهای کاری چندساعته و پیچیده، عملکردی بهمراتب برتر از رقبا دارد.
آزمایشهای مدل Gemma 4 2B روی سختافزار محلی نشان میدهد که فاصله میان تولید توابع ساده و تغییرات واقعی در مخازن کد بسیار زیاد است. در حالی که مدل در وظایف محدود موفق است، در…
یک چارچوب جدید برای هماهنگی سامانههای چندعاملی با جداسازی سختگیرانه زیر-عاملها و استفاده از قراردادهای JSON، مشکل رشد بیرویه توکنها را حل میکند. این معماری از ورود «نویز» به…
پلتفرم ZCode با ادغام مدل GLM-5.2، امکان هدایت عاملهای کدنویسی از طریق پیامرسانهایی مثل تلگرام را فراهم کرد. این ابزار با مدلهای قیمتی لایهبندی شده، مدیریت پروژههای کوچک تا…