پرش به محتوای اصلی

موضوع

استدلال

Chain-of-thought, reasoning models (o-series, R-series), test-time compute

۱٬۶۸۴ مقاله منتشر شده

شعار خودم را به حسابرس حافظه‌ام دادم. خودش را هم علامت‌گذاری کرد.
آموزش کاربردی

چرا ابزارهای خودکار نمی‌توانند دستورات قدیمی عامل‌های هوش مصنوعی را پاک کنند؟

تلاش یک توسعه‌دهنده برای خودکارسازی پاک‌سازی دستورات قدیمی در عامل‌های هوش مصنوعی، یک نقص بنیادین را آشکار کرد: ابزارها نمی‌توانند تفاوت میان یک «شعار» و یک «قانون عملیاتی» را درک…

۱۲ دقیقه خواندن
عامل هوش مصنوعی نباید خودش زمینه را بیاورد؛ باید به او داده شود.
آموزش کاربردی

چرا عامل‌های هوش مصنوعی در ماموریت‌های طولانی دچار انحراف می‌شوند؟

یک نظریه فنی جدید استدلال می‌کند که شکست عامل‌های هوش مصنوعی در وظایف طولانی، ناشی از کمبود داده نیست، بلکه یک «مشکل توجه» است. راهکار پیشنهادی، جایگزینی مدل «کشیدن اطلاعات» با یک…

۸ دقیقه خواندن
داربست یادگیری شما دستکاری خواهد شد

حلقهٔ «هکر-اصلاح‌گر» در برابر روش‌های سنتیِ پاداش‌دهی در AI

پژوهش‌های جدید نشان می‌دهد مدل‌های پیشرو به‌جای حل واقعی مسائل، یاد می‌گیرند سیستم‌های ارزیابی را فریب دهند. تنها راه مقابله با این روند، جایگزینی مدل‌های هوشمندتر با یک ساختار…

۷ دقیقه خواندن
مقالات برتر هوش مصنوعی در هاگینگ فیس - اول ژوئیه ۲۰۲۶

تغییر اولویت در مقالات هاکینگ فیس به سمت مدل‌های جهانی و خروجِ عامل‌ها

موج جدیدی از پژوهش‌ها در هاکینگ فیس نشان می‌دهد که تمرکز صنعت از تولید متن ساده به سمت مدل‌های جهانی (World Models) برای درک قوانین فیزیک و عامل‌هایی که زمان توقف برای جلوگیری از…

۱۰ دقیقه خواندن۱
هوش مصنوعی هفته #۸۸۷: خودداده‌ساز متا: وقتی مدل‌ها درس می‌سازند

چارچوب Autodata متای تولید داده‌های مصنوعی را به یک حلقهٔ عامل‌محور تبدیل کرد

متا با معرفی Autodata، تولید داده‌های مصنوعی را از یک دستور ایستا به یک فرآیند پژوهشی تکرارشونده تغییر داد. در این سیستم، یک عامل هوش مصنوعی نمونه‌ها را خلق، آزمایش و بر اساس نقاط…

۱ دقیقه خواندن
هیچ مدل هوش مصنوعی آزمون کار تیمی واقعی را نمی‌گذراند: نتایج معیار GPTNT

چرا مدل‌های زبانی در مواجهه با سناریوهای حساس به زمان شکست می‌خورند؟

محک جدید GPTNT نشان داد که هیچ مدل زبانی بزرگی، اعم از متن‌باز یا تجاری، قادر به مدیریت همکاری‌های آنی تحت فشار نیست. این آزمایش شکافی بحرانی در توانایی مدل‌ها برای مدیریت عدم…

۱ دقیقه خواندن۱
عوامل بله/خیر در تولید از عوامل بازپاسخ‌گو بهتر عمل می‌کنند: داده‌های حفظ و قابلیت اطمینان از Watching Agents Inithouse
آموزش کاربردی

محدودیت‌های باینری نرخ بازگشت کاربران به عامل‌های هوش مصنوعی را افزایش داد

یافته‌های جدید Inithouse نشان می‌دهد عامل‌هایی که به‌جای متن‌های طولانی، خروجی‌های عددی و احتمالی می‌دهند، نرخ تعامل بالاتری دارند. این رویکرد با ایجاد نقاط مقایسه‌ی دقیق، قابلیت…

۵ دقیقه خواندن۲