پژوهش
معرفی AssetOpsBench؛ پلی میان بنچمارک‌های هوش مصنوعی و واقعیت صنعتی
در وبلاگ هما: معرفی AssetOpsBench؛ چارچوبی از IBM Research برای ارزیابی عامل‌های هوش مصنوعی در عملیات صنعتی که شکاف آزمایشگاه و واقعیت را پر می‌کند.
کسب‌وکار
راهنمای جامع GPT-5 برای کسب‌وکارها؛ هوش مصنوعی در خدمت تیم‌های کاری
GPT-5 برای کار؛ راهنمای OpenAI: کاربردهای این مدل هوش مصنوعی در بازاریابی، مهندسی، مالی، استراتژی، حقوقی و فناوری اطلاعات و نحوه ارزیابی آن برای تیم شما
پژوهش
هوش مصنوعی: چکیده‌ای از فریم‌ورک جدید برای نظارت بر زنجیرهٔ تفکر
OpenAI یک چارچوب نوین برای ارزیابی و نظارت بر زنجیرهٔ تفکر معرفی کرده؛ ۱۳ آزمایش در ۲۴ محیط، نشان می‌دهد نظارت داخلی بالاتر از نظارت خروجی است.
پژوهش
هوش مصنوعی در آزمایشگاه نیکوتئان: جدول معیار برتری نيموترون 3 نانو با نِموِ اویولویتر
نیموترون 3 نانو، مدل هوش مصنوعی NVIDIA، در یک استاندارد ارزیابی باز، توسط ابزار NeMo Evaluator از پلتفرم هاجیینگ فیس به‌طور باز و قابل تکرار تست شد.
اخبار
هوش مصنوعی در آزمایشگاه: ارزیابی عملی GPT-5 برای شتاب‌بخشی به پژوهش‌های زیست‌شناسی
OpenAI چارچوب ارزیابی جدیدی برای سنجش توانایی هوش مصنوعی در تسریع آزمایش‌های واقعی زیست‌شناسی معرفی کرد؛ با تمرکز بر بهینه‌سازی پروتکل‌های کلونینگ مولکولی و تحلیل ریسک‌ها.
پژوهش
OpenAI: چگونه آزمایش طرف ثالث اکوسیستم ایمنی هوش مصنوعی را تقویت می‌کند
OpenAI با همکاری کارشناسان مستقل، آزمایش‌های دوره‌ای روی هوش مصنوعی را برای افزایش ایمنی، اعتبار و شفافیت در ارزیابی مدل‌ها اجرا می‌کند؛ این کار اعتماد عمومی را تقویت می‌کند.
کسب‌وکار
ارزیابی‌های Eval: راهکار هوش مصنوعی برای کسب‌وکارهای نوآور
ارزیابی‌های Eval با استانداردهای دقیق، به کسب‌وکارها کمک می‌کند تا عملکرد هوش مصنوعی خود را اندازه‌گیری، ریسک را کاهش و بهره‌وری بالاتری کسب کنند؛ در سال 2026 نیز به دقت بیشتری می‌رسد.
پژوهش
هوش مصنوعی GPT‑5.1: به‌روزرسانی نوین در معیارهای ایمنی و سلامت روان
OpenAI با کارت سیستم GPT‑5.1، معیارهای ایمنی نسخه‌های Instant و Thinking را بازنگری کرده و ارزیابی‌های جدیدی در حوزه سلامت روان و وابستگی احساسی معرفی می‌کند.
پژوهش
OpenAI معرفی IndQA: استاندارد جدید برای ارزیابی هوش مصنوعی در زبان‌های هندی
OpenAI با معرفی IndQA، بنچمارک نوینی برای سنجش توانایی‌های هوش مصنوعی در 12 زبان هندی و 10 حوزه دانش ارائه می‌دهد، که بار قوی در فهم فرهنگی و استدلال دارد.
پژوهش
هوش مصنوعی در خدمت گواهی‌سازی محتوا: معرفی مدل GPT‑OSS‑SAFEEGUARD
مدل‌های رایگان GPT‑OSS‑SAFEEGUARD (120B و 20B) توانمندی‌های جدیدی در تشخیص و برچسب‌گذاری محتوا بر اساس سیاست‌های سفارشی ارائه می‌دهند؛ مقاله‌ای جامع با ارزیابی‌های پایه ایمنی در راه.