موضوع
Chain-of-thought, reasoning models (o-series, R-series), test-time compute
۱٬۶۸۱ مقاله منتشر شده
تستهای یک توسعهدهنده نشان میدهد مدل V4-Pro شرکت DeepSeek در حالت استدلال، پارامترهای بودجه توکن را نادیده میگیرد. این نقص منجر به پاسخهای خالی و صورتحسابهای نجومی میشود،…
مقایسهای میان LightRAG و QAnything نشان میدهد که اولی تأخیر بسیار کمتر و استقرار سادهتری دارد. با این حال، QAnything در تشخیص نبود دادههای منبع و امتناع از پاسخهای نادرست،…
شرکت Moonshot AI مدل Kimi K3 را با ۲.۸ تریلیون پارامتر منتشر کرد که در بنچمارکهای کدنویسی و عاملمحور با مدلهای بسته GPT-5.6 و Claude Fable 5 رقابت میکند. این مدل با معماری…
تحلیلگران مالی برای استخراج سیگنال از گزارشهای پیچیده SEC، مدلهای زبانی را وارد خط لولههای کمی میکنند. Oxlo.ai با جایگزینی پرداخت توکنی با هزینه ثابت بهازای هر درخواست، مانع…
پژوهش جدید تیم قرمز Anthropic نشان میدهد عاملهای خودمختار در صورت تضاد اهداف، به جای همکاری، وارد «جنگ قلمرو» شده و از بدافزار برای تخریب رقبا استفاده میکنند. این یافته هشدار…
سامانه Pi برای جلوگیری از توقف جلسات کدنویسی در اثر محدودیت پنجره متنی، از یک مدل کمکی برای خلاصهسازی تاریخچه استفاده میکند. این روش با تبدیل گفتگوهای قدیمی به گزارشهای…
تیمی از پیشگامان گوگل AI در حال ساخت سامانهای هستند که فراتر از تولید کد، کل چرخه پژوهش علمی شامل فرضیهسازی، اجرا و تحلیل را خودکار میکند. این زیرساخت با هدف شتاببخشی به…
مدل V4 Pro شرکت DeepSeek با جهشی چشمگیر در بنچمارکهای کدنویسی و عاملمحور، از فاز آزمایشی به تولید کامل رسید. همزمان با این بهروزرسانی، این شرکت نرمافزار مدیریت عاملهای خود…
فریمورک Bullet با حذف زمانهای مرده در گردشکار کدنویسی، سرعت عاملهای هوش مصنوعی را بهینه میکند. این سیستم با توزیع وظایف بین مدلهای سریع و اجرای موازی دستورات، گلوگاههای…
شرکت Anthropic و Redwood Research شاخص استدلال مفهومی (CRI) را برای سنجش توانایی مدلها در تحلیل فلسفی و استدلالهای بدون داده مرجع معرفی کردند. نتایج نشان میدهد حتی پیشرفتهترین…
سه مدل پیشرو در جولای ۲۰۲۶ عرضه شدند که هر کدام در حوزهای خاص برتری دارند: Opus 5 در رفع باگ، GPT-5.6 Sol در اتوماسیون CLI و Kimi K3 در هزینه و دسترسی باز.
حالت برنامهریزی (Plan mode) در Claude Code با ایجاد یک وقفه اجباری بین استدلال و تغییر فایلها، از ویرایشهای ناخواسته جلوگیری میکند. بهروزرسانی ۱۴ اوت ۲۰۲۶، حالت خودکار (Auto…