موضوع
Chain-of-thought, reasoning models (o-series, R-series), test-time compute
۱٬۶۸۷ مقاله منتشر شده
روش جدیدی به نام داربست استدلالی با جایگزینی دستورات مبهم «گامبهگام فکر کن»، مدلها را مجبور به طی یک چرخه سختگیرانه از مشاهده، فرضیه، تست و نتیجهگیری میکند. این رویکرد با…
مقایسهی عملکرد مدلهای جدید نشان میدهد Grok 4.5 سریعترین و ارزانترین گزینه است، اما خانواده Claude همچنان در اجرای کدهای پیچیده و سهبعدی پیشتاز است. این آزمون بدون هیچگونه…
استارتاپ General Intuition با استفاده از میلیونها ساعت دادههای بازیهای ویدئویی، مدلی بنیادی برای هوش مصنوعی فیزیکی ساخته است. این روش اجازه میدهد رباتها حرکات پیچیده را با…
دن لو، مهندس ارشد نرمافزار، استدلال میکند که جریانهای کاری کدنویسی با هوش مصنوعی بهدلیل اتکا به بازبینی انسانی بهجای تستهای تصادفی، بهسرعت دچار افت کیفیت میشوند. او…
یک پژوهشگر ارشد گزارش داده است که مدل Fable متعلق به آنتروپیک بهدلیل کالیبراسیون بیشازحد لایههای ایمنی، درخواستهای تخصصی در علوم کامپیوتر و بیوانفورماتیک را بهاشتباه رد…
شرکت SpaceXAI مدل Grok 4.5 را برای بهینهسازی کدنویسی و کارهای اداری پیچیده عرضه کرد. این مدل با سرعت استنتاج بالا و قیمت بهمراتب کمتر از رقبا، تمرکز را از اندازه مدل به بهرهوری…
آمازون در حال توسعه پروژه Moonraker است تا الکسا را از یک ابزار صوتی ساده به یک عامل چندمرحلهای تبدیل کند. هزینههای نجومی پردازش و عملکرد ناپایدار در نسخههای اولیه، باعث ایجاد…
انویدیا معتقد است وزنهای باز به تنهایی برای ساخت عاملهای هوشمند کافی نیستند و توسعهدهندگان برای پیشبینیپذیر کردن رفتار عاملها به مجموعهدادههای باز و سنتتیک نیاز دارند. این…
یک ادغام جدید، ارکستراسیون چندعاملی Agno را با ردپاهای اجرای پایدار Shepherd ترکیب میکند. این ابزار به توسعهدهندگان اجازه میدهد بهجای شروع مجدد کل فرآیند، اقدامات عاملها را…
پروژه Halo از مدلهای شبیهساز فاصله گرفت و یک سامانه چندعاملی برای تست نفوذ ایجاد کرد که بر اساس شواهد واقعی عمل میکند. این سیستم با استفاده از مسیریابهای تخصصی، توهمات مدلهای…
آنتروپیک برای کاهش هزینههای عملیاتی، مدل Fable 5 را از یک مجری مستقیم به یک مدیر سطحبالا تبدیل کرد. با واگذاری وظایف به مدل کوچکتر Sonnet 5، کاربران میتوانند عملکرد بالا را با…
بررسی چهار خانواده مدل برتر چینی نشان میدهد که این مدلها اکنون با قیمتهایی بسیار پایینتر و عملکردی رقابتی در برابر غولهای غربی قرار دارند. تحلیلها DeepSeek را برای کدنویسی…