پژوهش هوش مصنوعی: بازی‌های Prover‑Verifier جانبه‌سازی خروجی مدل‌ها را بهبود می‌بخشد بازی‌های Prover‑Verifier با استفاده از تکنیک‌های جدید، امکان قابل‌دقت و شفاف‌سازی خروجی مدل‌های زبانی را فراهم کرده و اعتماد به‌همه‌چیز را برای انسان‌ها و ماشین‌ها افزایش می‌دهد. ۲۷ تیر ۱۴۰۳ ۲ دقیقه پژوهش هوش مصنوعی در آزمایش خود: CriticGPT به کمک GPT-4 خطاهای ChatGPT را می‌یابد مدل CriticGPT، بر پایه GPT‑4، به‌صورت خودکار پاسخ‌های ChatGPT را تجزیه و تحلیل می‌کند تا در فرایند RLHF، مربیان را در شناسایی خطاها یاری رساند. نقش مهم در کیفیت تولید محتوا دارد. ۷ تیر ۱۴۰۳ ۲ دقیقه کسب‌وکار هوش مصنوعی در کسب‌وکار: چطور Paf با ChatGPT Enterprise بهره‌وری توسعه را دوچندان کرد پرسپکتیو جدید Paf در استفاده از ChatGPT Enterprise؛ در این گام، توسعه‌دهندگان و تیم‌های مالی، بازاریابی، منابع انسانی با بهره‌وری خیلی بالایی روبه‌رو می‌شوند. ۲۹ خرداد ۱۴۰۳ ۲ دقیقه پژوهش BigCodeBench: هوش مصنوعی در ارزیابی برنامه‌نویسی انسانی نسل بعدی BigCodeBench یک بنچمارک جامع جدید برای ارزیابی توانمندی‌های زبان‌های بزرگ مدل در حل مسایل برنامه‌نویسی انسانی به همراه پوشش بالای ۹۹٪ تست است. ۲۹ خرداد ۱۴۰۳ ۲ دقیقه پژوهش هوش مصنوعی در مسابقه تصویرسازی: لیست‌بردی متن‑به‑تصویر و ارزیابی انسانی در ژوئن 2024، هیوگینگ فیس یک لیست‌بردی متن‑به‑تصویر راه‌اندازی کرد؛ بر اساس 45 هزار ترجیح انسانی، مدل‌های متن‑به‑تصویر از Midjourney، DALL·E، Stable Diffusion و سایر مدل‌های متن‌باز را در جدول رقابتی قرار داده است. ۱۷ خرداد ۱۴۰۳ ۲ دقیقه پژوهش OpenAI و Reddit: همکاری نوین در حوزه هوش مصنوعی برای گسترش محتوا OpenAI با Reddit همکاری کرده تا محتواهای خاص ردهت را در ChatGPT و محصولات دیگر گیردند و راه‌های نوین تعامل انسان و ماشین را باز می‌کند ۲۷ اردیبهشت ۱۴۰۳ ۲ دقیقه پژوهش نبرد با حملات انسانی: سنجش مقاومت هوش مصنوعی با رهبر جدید رهبر تازه انتشار یافته Red-Teaming Resistance به بررسی مقاومت مدل‌های زبانی در برابر حملات واقع‌گرایانه می‌پردازد و نویدبخش توسعه مسئولانه هوش مصنوعی است. ۴ اسفند ۱۴۰۲ ۲ دقیقه پژوهش پیاده‌سازی RLHF با PPO: بازتولید کد OpenAI و نکات کلیدی این مقاله به تفصیل جزئیات پیاده‌سازی یادگیری تقویتی با بازخورد انسانی (RLHF) در چارچوب PPO را بررسی می‌کند و از بازتولید کدهای OpenAI بهره می‌گیرد. ۲ آبان ۱۴۰۲ ۲ دقیقه سیاست و قانون هوش مصنوعی GPT‑4: سرعت‌بخشی و انسجام در نظارت بر محتوا حساس OpenAI با بهره‌گیری از GPT‑4، فرآیندهای تدوین سیاست‌های محتوا و تصمیم‌گیری در نظارت بر آن را بهبود داده؛ این امکان را به‌وجود می‌آورد که برچسب‌گذاری یکنواخت، بازخورد سریع‌تر و کاهش نیاز به بازبینی انسانی حاصل شود. ۲۴ مرداد ۱۴۰۲ ۲ دقیقه پژوهش هوش مصنوعی در لامّا ۲: آموزش مستقیم با DPO و ساده‌سازی RLHF در این مقاله، نحوه‌ی آموزش مستقیم لامّا ۲ با روش DPO در Hugging Face بررسی می‌شود؛ ساده‌سازی یادگیری بازخورد انسانی و مزایای آن توضیح داده می‌شود. ۱۷ مرداد ۱۴۰۲ ۲ دقیقه