محصولات
OpenAI معرفی AgentKit، Evals و RFT؛ راهی جدید برای هوش مصنوعی
OpenAI با راه‌اندازی AgentKit، قابلیت‌های Evals گسترش یافته و ری‌اینفورسمنت فاین‌تینینگ (RFT) برای عامل‌ها، تحولی در توسعه هوش مصنوعی رقم می‌زند.
پژوهش
Gaia2 و ARE: ابزار هوش مصنوعی برای ارزیابی و استفاده از عامل‌های هوشمند
در سال ۲۰۲۵، هاجی‌فیس با پروژ Gaia2 و ARE چارچوب باز برای ارزیابی عامل‌های هوش مصنوعی در وظایف واقعی معرفی کرد و بزرگی در تعامل انسان–هوش مصنوعی برداشت.
پژوهش
ارتقای ارزیابی هوش مصنوعی عربی: معرفی AraGen و Instruction Following
در این مقاله به به‌روزرسانی‌های اخیر در Leaderboard عربی می‌پردازیم؛ معرفی AraGen 03–25، Instruction Following و چگونگی ارزیابی مدل‌های زبان عربی با معیارهای IFEval دقیق و کامل توسعه
پژوهش
نوآوری SigLIP 2: موتور چندزبانه دیده‑متن برای هوش مصنوعی پیشرفته
SigLIP 2؛ جدیدترین موتور چندزبانه دیده‑متن؛ بهبود یافته با اهداف یادگیری تازه، تاکنون برکرد SigLIP 1 را در دسته‌بندی صفر‑شی، retrieval و انتقال نمایه‌ها پشت سر گذاشته است.
پژوهش
مسابقه بحث چندزبانه مدل‌های هوش مصنوعی: کیفیت و اعتماد
در این مسابقه‌ی جدید، Hugging Face ادغام مدلسازی چندزبانه و ارزیابی‌های چندوجهی را در قالب بحث‌های زنده به نمایش می‌گذارد، تا توانایی‌های استدلال و زبان مدل‌ها را بسط دهد.
پژوهش
جدول رهبری NPHardEval: سنجش توانایی استدلال هوش مصنوعی با مسائل سخت
NPHardEval معیاری پویا برای ارزیابی قدرت استدلال مدل‌های زبانی بزرگ است؛ این جدول رهبری با ۹۰۰ مسئله سخت، هر ماه به‌روز می‌شود.
پژوهش
هوش مصنوعی در برابر سوگیری: چگونه کتابخانه‌ی 🤗 Evaluate سوگیری مدل‌های زبانی را بررسی می‌کند
کتابخانه‌ی🤗 Evaluate از Hugging Face بر پایه معیارهای جدید، امکان سنجش سوگیری مدل‌های زبانی را فراهم کرده است؛ به سوی هوش مصنوعی بدون تبعیض پیش می‌رود.
پژوهش
هوش مصنوعی را با Evaluation on the Hub ارزیابی کنید – راهنمای جامع اوپن‌سورس
معرفی Evaluation on the Hub، ابزار جدید اوپن‌سورس برای ارزیابی مدل‌های هوش مصنوعی بدون نوشتن کد، توضیحات کاربردی، مراحل عملی و نکات کلیدی.
پژوهش
ارزیابی مدل‌های زبانی بزرگ آموزش‌دیده روی کد؛ رویکرد نوین OpenAI
در این مقاله به بررسی روش‌های ارزیابی مدل‌های زبانی بزرگ متخصص در کدنویسی می‌پردازیم و معیار HumanEval و اهمیت آن را برای سنجش هوش مصنوعی کدنویس تحلیل می‌کنیم.