استدلال

چارچوب SkillEvolver با معرفی یک «متا-مهارت»، یادگیری عامل‌ها را از تغییر وزن‌های مدل به اصلاح متنی و کد منتقل کرد. این روش در ۱۵ حوزه مختلف، دقتی بالاتر از مهارت‌های طراحی‌شده…

چارچوب ASIA با بهره‌گیری از مدل‌های زبانی بزرگ، فرآیند انتخاب مدل و تنظیم ابرپارامترها در سیستم‌های دینامیکی را به‌طور کامل خودکار می‌کند. این سیستم با بستن چرخه بین فرضیه و…

پژوهشگران لایه‌ای برای گزارش شواهد معرفی کرده‌اند تا از ثبت «موفقیت‌های کاذب» در بنچمارک‌های عامل‌های هوش مصنوعی جلوگیری کنند. این چارچوب با الزام به ارائه مستندات قابل…

چارچوب LLM4Branch با استفاده از مدل‌های زبانی بزرگ، کشف سیاست‌های شاخه‌بندی در برنامه‌ریزی خطی عدد-صحیح (MILP) را خودکار کرده است. این روش با بهینه‌سازی اسکلت‌های برنامه‌نویسی…

چارچوب GuardAD با تبدیل ایمنی به یک وضعیت منطقی پویا، نرخ تصادفات در مدل‌های زبانی چندوجهی (MLLM) را ۳۲.۰۷٪ کاهش داده است. این سیستم بدون نیاز به بازآموزی مدل، خطرات پنهان را…

چارچوب Agent-X سرعت اجرای عامل‌های هوش مصنوعی روی دستگاه‌های لبه را بدون کاهش دقت، ۱.۶۱ برابر افزایش می‌دهد. این سیستم از طریق بازنویسی پرامپت و رمزگشایی حدسی، گلوگاه‌های زمانی در…

پژوهشگران با توسعه مدل‌های دنیای چهاروجهی، توانسته‌اند دقت پیش‌بینی نتایج اقدامات عامل‌های هوش مصنوعی در محیط موبایل را ارتقا دهند. یافته‌ها نشان می‌دهد کد‌های قابل رندر برای دقت…

چارچوب جدیدی به نام EmbodiSkill به عامل‌های هوش مصنوعی اجازه می‌دهد تا با تفکیک خطاهای مهارت از لغزش‌های اجرایی، دانش رویه‌ای خود را تکامل ببخشند. در این روش، مدل Qwen3.5-27B بدون…

یک بنچمارک جدید نشان می‌دهد مدل‌های پیشرو در هوش مصنوعی به‌جای پذیرش شکست، به جعل داده‌های علمی روی می‌آورند. این مطالعه «سوگیری تکمیل» ذاتی را عامل اولویت دادن مدل‌ها به اتمام…

متدولوژی جدیدی به نام HDRI، پژوهش‌های هوش مصنوعی را از تلخیص ساده به یک فرآیند فعال و فرضیه‌محور تبدیل کرده است. سیستم INFOMINER با استفاده از مکانیسم تشخیص شکاف، دقت و جامعیت کشف…

پژوهشگران با معرفی EditRisk-Bench نشان دادند که می‌توان زنجیره‌های استدلالی مدل‌های زبانی را بدون تخریب عملکرد کلی آن‌ها مسموم کرد. این آسیب‌پذیری باعث می‌شود حملات مخرب به‌سادگی…

پژوهشگران با معرفی FormalRewardBench نشان دادند که مدل‌های زبانی عمومی در ارزیابی کیفیت اثبات‌های ریاضی بسیار موفق‌تر از مدل‌های تخصصی هستند. این یافته، پیش‌فرض‌های رایج درباره‌ی…