پژوهش
-
پژوهش
پژوهشی به رهبری Microsoft در Nature: یک اصلاح سبک مبتنی بر یادگیری ماشین دقت پیش‌بینی هوش مصنوعی را برای سه تا چهار هفته آینده دو برابر می‌کند
پژوهشگرانی از Microsoft، MIT، مرکز اروپایی پیش‌بینی‌های میان‌مدت هواشناسی و نهادهای دیگر روز ۱۴ اکتبر ۲۰۲۶ روش «اصلاح احتمالاتی سوگیری» را در Nature منتشر کردند. این روش متن‌باز خطاهای همیشگی یک مدل را می‌آموزد، مهارت ضع…
-
پژوهش
اخترفیزیک‌دانی با عامل‌های Claude Science نخستین نقشه کامل فرابنفش آسمان را کامل کرد
برایس منار، پژوهشگر دانشگاه جانز هاپکینز و Anthropic، می‌گوید گروهی از عامل‌های Claude Science داده‌های چند دهه تلسکوپ‌های فضایی را ادغام کردند و یک‌سوم آسمان را که هرگز در نور فرابنفش رصد نشده بود پیش‌بینی کردند تا به گ…
-
پژوهش
NVIDIA جزئیات سامانه‌های Nemotron با نتایج سطح طلای IOI و IMO 2026 را منتشر کرد
NVIDIA روش‌های آموزش و inference برای تخصصی‌سازی Nemotron 3 در برنامه‌نویسی رقابتی و اثبات ریاضی را منتشر کرده و می‌گوید سامانه‌هایش از حد نصاب طلای IOI و IMO 2026 عبور کرده‌اند.
-
پژوهش
OpenAI ۷۲۲ دست‌نوشته ریاضی تولیدشده با AI را منتشر کرد، اما اعتبارسنجی هنوز کامل نیست
OpenAI مجموعه‌ای شامل ۷۲۲ دست‌نوشته ریاضی در ۳۷۲ خانواده نتیجه را از یک مدل مرزی داخلی و منتشرنشده ارائه کرده و در کنار آن بخشی از اثبات‌های Lean و جزئیات فرایند تولید را نیز منتشر کرده است.
-
پژوهش
پژوهش Cohere نشان می‌دهد ترکیب داده می‌تواند استدلال هم‌زبان را به ۶۰ زبان منتقل کند
Cohere Labs مدل پژوهشی Tiny Aya L2-Thinker با ۳.۳۵ میلیارد پارامتر را معرفی کرده که به گفته پژوهشگران در بیش از ۹۳ درصد موارد در ۶۰ زبان، استدلال را به زبان خود پرامپت انجام می‌دهد.
-
پژوهش
DeepMind با SynthID Bio نشانه‌گذاری را وارد طراحی پروتئین می‌کند
Google DeepMind با SynthID Bio توالی‌های پروتئینی و ساختارهای AlphaFold 3 را نشانه‌گذاری می‌کند، بدون اینکه در آزمایش‌های گزارش‌شده کارکرد هدف از بین برود.
-
پژوهش
مطالعه Tencent زمان رقابت مدل چندوجهی بدون رمزگذار را بررسی می‌کند
پژوهش Tencent Hunyuan دو معماری چندوجهی را مقایسه می‌کند و یک نقطه تلاقی محاسباتی را پیش‌بینی می‌کند که هنوز اثبات نشده است.
-
پژوهش
FLEET نمونه‌گیری تکراری LLM را به جست‌وجوی حافظه‌محور تبدیل می‌کند
FLEET با استفاده از حافظه در decoding، بهبود LiveCodeBench و حدود ۳ برابر بهره‌وری نمونه‌گیری را گزارش می‌کند؛ با محدودیت‌های مهم در استقرار.
-
پژوهش
Project Swap آنتروپیک نشان می‌دهد گلوگاه بازار عامل‌ها شاید فهم خواسته‌های انسان باشد
آزمایش ۲۰۱ نفره Project Swap نشان می‌دهد در بازارهای عامل‌محور، فهم دقیق ترجیحات کاربر می‌تواند گلوگاهی مهم‌تر از خود مذاکره باشد.
-
پژوهش
DAYJOB فاصله میان «اجرای دستور» و «انجام واقعی یک شغل» توسط عامل‌های هوش مصنوعی را نشان می‌دهد
DAYJOB عامل‌های هوش مصنوعی را در کارهای طولانی سلامت و مالی با درخواست‌های نامرتب می‌سنجد؛ بهترین نرخ‌های موفقیت گزارش‌شده هنوز زیر ۲۵ درصد است.
