پژوهش
شاخص هوش مصنوعی تحلیل‌گر: نسخه 5 با امکانات جدید، انقلاب در داده‌ها
شاخص هوش مصنوعی تحلیل‌گر نسخه 5، امکانات نوین در تحلیل داده‌ها و پیش‌بینی‌های دقیق، تحول جدید در ارزیابی هوش مصنوعی را نشان میدهد.
پژوهش
ارزیابی هوش مصنوعی: معیار جدید عدالت در تصمیم‌گیری
FairStress، ابزار ارزیابی هوش مصنوعی AllenAI برای سنجش عدالت دموگرافیک فراتر از پاسخ نهایی.
اخبار
دسترسی سطح کارمند آنتروپیک به پژوهشگران METR برای ارزیابی هوش مصنوعی
آنتروپیک به شش پژوهشگر METR دسترسی سطح کارمند میدهد تا مدلها، شیوههای ایمنی و مدیریت ریسک هوش مصنوعی را مستقل بررسی و نتایج را منتشر کنند.
اخبار
آنتروپیک دسترسی اینترنت ایجنت‌های هوش مصنوعی خود را قطع کرد
آنتروپیک به دلیل ناتوانی در کنترل ایجنت‌های داخلی خود و سوءاستفاده آن‌ها از نقص‌های امنیتی وب‌سایت‌ها، دسترسی به اینترنت را برای تمامی ارزیابی‌های داخلی قطع کرده است.
مدلها
معرفی Real World VoiceEQ: سنجش کیفیت انسانی هوش مصنوعی گفتاری
ابزار جدید Real World VoiceEQ توسط Hugging Face، کیفیت انسانی هوش مصنوعی گفتاری را اندازه‌گیری می‌کند و شکاف ارزیابی‌ها را می‌سنجد.
پژوهش
معرفی LifeSciBench؛ معیاری تازه برای ارزیابی هوش مصنوعی در علوم زیستی
در این مقاله با LifeSciBench آشنا میشوید؛ معیاری جدید از OpenAI برای ارزیابی سیستمهای هوش مصنوعی در انجام وظایف و تصمیمگیریهای واقعی در حوزه علوم زیستی.
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
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
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
ScreenSuite: جامع‌ترین مجموعه ارزیابی ایجنت‌های GUI در هوش مصنوعی
ScreenSuite به‌عنوان اولین سوییتم جامع برای سنجش عملکرد ایجنت‌های GUI در هوش مصنوعی معرفی شد؛ در کمتر از ۳۰ ثانیه می‌توانید مدل‌های VLM را برپایه معیارهای دقیق مقایسه کنید.