فراتر از پیشبینی توکن: سیستمی که ۹۸٪ معماهای IQ را حل کرد
یک چارچوب نظری جدید با ترکیب منطق رابطهای و شبکههای عصبی، سد بازدهی نزولی در مدلهای زبانی را شکست. این سیستم با نرخ موفقیت ۹۸.۰۳ درصدی در مسائل IQ، در رده ۱ درصد برتر هوش…
۲ دقیقه خواندن
موضوع
استدلال
Chain-of-thought, reasoning models (o-series, R-series), test-time compute
۱٬۰۹۶ مقاله منتشر شده
فریب بلاغت: نقص پنهانی که رویای عدالت خودکار را میکوبد
مطالعهای جدید نشان میدهد مدلهای زبانی پیشرو بیش از آنکه به شواهد قانونی اهمیت دهند، تحت تأثیر کیفیت بیان وکیل قرار میگیرند. این یافته، استفاده از هوش مصنوعی به عنوان…
۲ دقیقه خواندن
پایان عصر کدنویسی دستی: سیستمی که الگوریتمهای جدید اختراع میکند
چارچوب OMEGA با اتوماسیون کامل چرخه پژوهش AI، توانسته است الگوریتمهای جدیدی خلق کند که در ۲۰ مجموعه داده، عملکرد بهتری نسبت به scikit-learn دارند. این سیستم دیگر صرفاً کد…
۲ دقیقه خواندن
VeraBench: مدل Kimi K2.5 با زبان Vera به دقت ۱۰۰ درصدی رسید
زبان برنامهنویسی Vera با حذف نام متغیرها و جایگزینی آنها با ارجاعات ساختاری، خطاهای رایج مدلهای زبانی را از بین میبرد. این زبان با استفاده از تأییدیه Z3، اجازه میدهد مدلهایی…
۲ دقیقه خواندن
چرا پیروزیهای کلود در بیوانفورماتیک هنوز «شکننده» هستند؟
بنچمارک جدید Anthropic نشان میدهد مدلهای Claude میتوانند معماهای بیولوژیکی را حل کنند که حتی متخصصان انسانی از پس آنها برنمیآیند. با این حال، «شکاف قابلیت» در تکرارپذیری…
۲ دقیقه خواندن
رمزگشایی از DeepSeek V4: وقتی حافظه استنتاج ۹۰ درصد سبکتر میشود
دیپسیک با معرفی مدلهای V4-Pro و V4-Flash، معماری جدیدی را برای کاهش چشمگیر هزینههای استنتاج ارائه کرد. این مدلها با پنجره بافتی ۱ میلیون توکنی، مسیر را برای ظهور عاملهای…
۲ دقیقه خواندن
رمزگشایی از AlphaMaze: استدلال بصری بدون نیاز به تصویر
مدل AlphaMaze ثابت کرد که برای درک فضای سهبعدی و حل هزارتوها، نیازی به پردازش تصویر نیست. این مدل ۱.۵ میلیارد پارامتری با استفاده از توکنهای متنی، نقشهای ذهنی از محیط میسازد و…
۳ دقیقه خواندن
تلهی بنچمارکها: چرا GPT-5.5 با وجود رکوردشکنی، ۸۶ درصد توهم میزند؟
مدل جدید OpenAI در حالی که صدرنشین شاخصهای هوش مصنوعی شده، نرخ توهمات تکاندهندهای را ثبت کرده است. این تضاد نشان میدهد که قدرت محاسباتی لزوماً به معنای قابلیت اعتماد در دنیای…
۳ دقیقه خواندن
پایان عصر مدلهای حجیم؟ Phi-4-mini قواعد بازی را تغییر میدهد
مایکروسافت با معرفی Phi-4-mini-instruct، مدلی با ۳.۸ میلیارد پارامتر عرضه کرد که در ریاضیات و استدلال، رقبای دو برابر بزرگتر خود را شکست میدهد. این مدل با پنجره بافت ۱۲۸ هزار…
۲ دقیقه خواندن
پایان عصر مدلهای حجیم؛ Qwen3.6-27B قواعد کدنویسی را تغییر داد
مدل جدید علیبابا با ۲۷ میلیارد پارامتر، مدل غولپیکر ۳۹۷ میلیاردی предшеل خود را در بنچمارکهای کدنویسی شکست داد. این دستاورد ثابت میکند که بهینهسازی معماری بر حجم عظیم دادهها…
۲ دقیقه خواندن
پایان عصر بردارهای معنایی؛ آیا استدلال جایگزین جستجوی شباهت میشود؟
پلتفرم PageIndex با حذف کامل بردارهای معنایی و جایگزینی آنها با ساختار درختی و استدلال مدلهای زبانی، بازیابی دادهها را دگرگون کرده است. این روش ادعا میکند در تحلیل اسناد…
۳ دقیقه خواندن
پایان عصر سرورهای گرانقیمت: DeepSeek-R1 روی سختافزار خانگی مینشیند
تیم Unsloth با ارائه نسخههای بهینهشدهی DeepSeek-R1، مدل ۶۷۱ میلیارد پارامتری را برای سختافزارهای مصرفکننده در دسترس قرار داد. این دستاورد به لطف تکنیک کوانتایزیشن ۱.۵۸ بیتی،…
۳ دقیقه خواندن