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 سیاست و قانون فرانتایر مدل فهام: راهکارهای هوش مصنوعی پیشرفته برای توسعه ایمن فرانتایر مدل فهام، نهاد جدیدی برای ارتقای ایمنی و مسئولیت‌پذیری در هوش مصنوعی پیشرفته، به‌وسیله پژوهش‌های ایمنی، استانداردها و همکاری‌های بین‌المللی. ۴ مرداد ۱۴۰۲ ۲ دقیقه سیاست و قانون Frontier AI: راهکارهای OpenAI برای مدیریت ریسک‌های نوظهور هوش مصنوعی OpenAI با معرفی Frontier AI، مقررات جدیدی برای کنترل ریسک‌های ناشی از هوش مصنوعی در حوزه‌های امن­سازی عمومی و حفاظت از جامعه ارائه می‌دهد. ۱۵ تیر ۱۴۰۲ ۲ دقیقه سیاست و قانون هگینگ فیس و چالش مسئولیت‌پذیری هوش مصنوعی: تأکید بر شفافیت هگینگ فیس در پاسخ به درخواست NTIA آمریکا، بر نقش حیاتی مستندسازی و شفافیت در تضمین مسئولیت‌پذیری هوش مصنوعی تأکید کرد. این رویکرد به دموکراتیک‌سازی و درک بهتر ML کمک می‌کند. ۳۰ خرداد ۱۴۰۲ ۳ دقیقه سیاست و قانون تعهد به هوش مصنوعی مسئولانه: هاگینگ فیس قوانین محتوای خود را به‌روزرسانی کرد هاگینگ فیس، پلتفرم پیشرو در هوش مصنوعی، قوانین محتوای جدیدی را برای تقویت هوش مصنوعی باز، مشارکتی و مسئولانه منتشر کرده است. این به‌روزرسانی بر رویکرد اخلاقی و حفظ امنیت جامعه تأکید دارد. ۲۵ خرداد ۱۴۰۲ ۳ دقیقه سیاست و قانون حکمرانی هوش مصنوعی؛ گامی برای آینده ابرهوشمند OpenAI بر ضرورت تفکر درباره حکمرانی ابر هوش مصنوعی تأکید کرده است. این مقاله به بررسی مفاهیم، چالش‌ها و راهکارهای پیشنهادی در این زمینه می‌پردازد. ۱ خرداد ۱۴۰۲ ۳ دقیقه پژوهش هوش مصنوعی در خطر فیک نیوز: پیش‌بینی تهدیدات و راهکارهای مقابله OpenAI با دانشگاه جورجتاون و استنفورد بررسی کرد که مدل‌های زبان می‌توانند گسترش اخبار جعلی را تسهیل کنند. شناسایی و راهکارهای برای کاهش خطر است. ۲۱ دی ۱۴۰۱ ۲ دقیقه پژوهش پاسخ هوش مصنوعی در گام‌های NAIRR: توسعهٔ باز و مسئولیت‌پذیر Hugging Face در پاسخ به گزارش NAIRR، حمایت از دسترسی آزاد و مسئولانه به هوش مصنوعی را اعلام کرده؛ راهکارهای متن‌باز برای پیشرفت علمی را بررسی می‌کند. ۱۰ مرداد ۱۴۰۱ ۲ دقیقه پژوهش هوش مصنوعی: گسترش الگوریتم گریدینت سیاست با PyTorch بر روی پلتفرم Hugging Face در این مقاله به بررسی کاربرد Policy Gradient در PyTorch می‌پردازیم، این مسیر یادگیری تقویتی را در چارچوب تجاری و متن باز Hugging Face معرفی می‌کنیم و نکات عملی و کلیدی را برای توسعه‌گران بیان می‌کنیم. ۹ تیر ۱۴۰۱ ۲ دقیقه آموزش کلاس عملی Q‑لرننج در هوش مصنوعی: مراحل، مثال و مفاهیم کلیدی آموزش جامع Q‑لرننج، یکی از الگوریتم‌های قدرتمند یادگیری تقویتی در هوش مصنوعی؛ با توضیح نکات کلیدی، تفاوت‌های سیاست‌های on‑policy و off‑policy، و یک مثال واقعی. ۳۰ اردیبهشت ۱۴۰۱ ۲ دقیقه