موضوع
Chain-of-thought, reasoning models (o-series, R-series), test-time compute
۶۰۳ مقاله منتشر شده
عاملهای کدنویسی در تکمیل پروژههای پیچیده Swift شکست میخورند زیرا نمیتوانند قصد کاربر (Intent) را ارزیابی کرده یا تداخلهای زمان اجرا را مدیریت کنند. این نقص باعث ایجاد «تلهٔ…
پژوهشگران پیوندی ریاضیاتی میان درختهای تصمیم سلسلهمراتب و فرآیندهای انتشار یافتهاند. این یکپارچهسازی با معرفی یک اصل بهینهسازی مشترک، سرعت تولید دادههای جدولی را افزایش داده…
شرکت Sakana AI مدل Fugu را معرفی کرد؛ سامانهای از سازماندهی مدلها که وظایف را میان مجموعهای از مدلهای پیشرو توزیع میکند. نسخه Ultra این سیستم در استدلالهای پیچیده و…
تحقیقات جدید نشان میدهد مدلهای زبانی بزرگ تفاوت میان «برچسبهای ساختاری» و «سبک نوشتاری» را تشخیص نمیدهند. این نقص ساختاری به مهاجمان اجازه میدهد با تقلید از لحن استدلالی مدل،…
انویدیا چارچوب جامع Halos را برای تضمین ایمنی خودروهای خودران از ابر تا خودرو معرفی کرد. این سیستم با ارائه یک سیستمعامل گواهینامهدار و نخستین آزمایشگاه بازرسی معتبر جهانی، مسیر…
یک راهنمای جامع نشان میدهد چگونه میتوان چتباتهای هوش مصنوعی را از حالت «قطعیت اشتباه» به حالت «تحلیل متوازن» برد. با درخواست صریح برای بیان عدم قطعیت و استدلال، نتایج عیبیابی…
پلتفرم LayerLens مسابقات Stratix Cup را برای سنجش توانمندیهای عاملمحور مدلهای هوش مصنوعی آغاز کرد. در این رقابت، ۱۶ مدل برتر باید با نوشتن کد در لحظه و اصلاح استراتژی در بین دو…
مجموعهای از ۱۰ ابزار هوش مصنوعی، یادگیری توسعه وب را از تولید کد ساده به درک عمیق مفاهیم تغییر میدهند. این ابزارها با رویکرد «مربی» به جای «میانبر»، از اشکالزدایی در محیط…
شرکت Sakana AI سامانه Fugu را معرفی کرد که با مدیریت پویا مجموعهای از مدلهای زبانی مختلف، در تکالیف پیچیده استدلالی و کدنویسی از مدلهای تکسرویس پیشرو پیشی میگیرد. این سیستم…
تلاش برای رفع خطاهای عاملهای هوش مصنوعی از طریق اصلاح پرامپت، اغلب باعث پنهان شدن شکستهای عمیق در لایهی تبادل دادهها میشود. ابزار جدید ccglass با فراهم کردن امکان مشاهدهی…
پلتفرم SAGE دنیای دیجیتالی متشکل از ۲۴ شخصیت هوش مصنوعی با حافظه بلندمدت و رفتارهای فرهنگی متمایز را در دیسکورد راهاندازی کرد. این موجودات بر پایه معماری ترکیبی برای شبیهسازی…
محک جدید CivBench نشان میدهد مدلهای زبانی پیشرو در حالی که استراتژیهای پیچیده را بهخوبی توصیف میکنند، در اجرای آنها در بلندمدت شکست میخورند. این آزمایشها «اثر سنسوریوم» را…