اخبار
نادلا: باید فرض کنیم همه مدل‌های هوش مصنوعی در معرض خطرند
مدیرعامل مایکروسافت: برای مدیریت ریسک مدل‌های پیشرفته هوش مصنوعی، باید فرض کنیم همه آن‌ها در معرض خطرند و به «جعبه‌های سیاه» اعتماد نکنیم.
پژوهش
هوش مصنوعی در OpenAI: ساخت و عملکرد یک ایجن داده داخلی با GPT‑5 و Codex
OpenAI با بهره‌گیری از مدل GPT‑5، Codex و حافظه، یک ایجن داده داخلی طراحی کرده که در چند دقیقه نتایج قابل اطمینان از حجم عظیم داده‌ها استخراج می‌کند.
اخبار
TTS Arena: میدان رقابت مدل‌های هوش مصنوعی تبدیل متن به گفتار
با معرفی TTS Arena، اکنون می‌توانید مدل‌های تبدیل متن به گفتار را به‌راحتی مقایسه کرده و به کیفیت آن‌ها رأی دهید. نتایج در لیدربورد رسمی نمایش داده می‌شود.
پژوهش
هوش مصنوعی: چگونه مدل‌های بزرگ زبانی بدون نمونه‌چین آزمایش شوند
این مقاله به بررسی روش‌های بدون نمونه‌چین (Zero‑Shot) برای ارزیابی مدل‌های زبان عظیم در هاب هوش مصنوعی می‌پردازد و ابزارهای جدید را معرفی می‌کند.
پژوهش
آموزش مدل GPT-2 خودساخته CodeParrot برای کد نویسی هوش مصنوعی
در این مقاله به آموزش مرحله به مرحله ساخت مدل GPT‑2 به نام CodeParrot می‌پردازیم؛ از جمع‌آوری ۱۸۰ گیگابایت کد پایتون تا آموزش و ارزیابی نهایی، ویژگی‌ها و نکات کلیدی این پروژهٔ هوش مصنوعی را توضیح می‌دهد.
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.
پژوهش
قوانین مقیاس‌پذیری مدل‌های زبانی؛ راز پیشرفت هوش مصنوعی
تحقیقات OpenAI نشان می‌دهد عملکرد مدل‌های زبانی با افزایش داده، پارامترها و توان محاسباتی به شکلی قابل پیش‌بینی بهبود می‌یابد. این مقاله به بررسی این قوانین و پیامدهای آن برای آینده هوش مصنوعی می‌پردازد.