وبلاگ تحقیقات هوش مصنوعی

جدیدترین مقالات تحقیقاتی هوش مصنوعی از arXiv را کشف کنید — به‌روزرسانی خودکار روزانه برای پژوهشگران و علاقه‌مندان.

۱۳۰ مقاله · به‌روزرسانی روزانه

arXiv:2609.02797ترجمه شده

کتاب‌های هلندی برای مدل‌های زبانی

Isaiah Andrews، Suproteem Sarkar

مردم به‌طور روزافزونی از مدل‌های زبانی برای پشتیبانی از تصمیم‌گیری در زندگی استفاده می‌کنند. بسیاری از این تصمیمات مستلزم پیش‌بینی احتمالاتی هستند: احتمال وقوع یک رویداد مهم زندگی، یک بلای طبیعی، یا یک نتیجه اقتصادی چقدر…

arXiv:2609.02786ترجمه شده

تکامل ایمن: تکامل همزمان زیرساخت و سیاست از تجربه عامل برای همسوسازی ایمنی

Qinghua Mao، Wanying Qu، Dadi Guo، Leitao Yuan و 7 نفر دیگر

عملکرد عامل‌های مبتنی بر مدل‌های زبانی بزرگ (LLM) از تعامل هم‌زمان مدل پایه و چارچوب اجرایی در محیط نشأت می‌گیرد. این ویژگی آن‌ها را در برابر آسیب‌های ایمنی آسیب‌پذیر می‌سازد؛ چه در پاسخ‌های نهایی مضر و چه در مسیرهای اجر…

arXiv:2609.01603ترجمه شده

ارزیابی کارآمد بنچمارک‌های عامل مهندسی نرم‌افزار از طریق ارزیابی آگاه از مسیر

Kefeng Duan، Dewu Zheng، Yanlin Wang، Xiwen Wang و 6 نفر دیگر

ارزیابی عوامل مهندسی نرم‌افزار بر روی بنچمارک‌های واقعی، هزینه‌بر است؛ زیرا هر وظیفه ممکن است نیازمند کاوش چندمرحله‌ای کد، اصلاح آن و اجرای آزمون باشد. روش‌های ارزیابی کارآمد موجود، زیرمجموعه‌هایی نمادین را برای برآورد ع…

arXiv:2609.01601ترجمه شده

استخراج سازگار با توکن حرجی برای تولید کد در سطح مخزن

Kefeng Duan، Dewu Zheng، Yanlin Wang، Terry Yue Zhuo و 7 نفر دیگر

در زمینه تولید کد در سطح پایگاه داده، کارگاه‌های واقعی اغلب از رویکردهای مبتنی بر تولید تقویت‌شده با بازیابی (Retrieval-Augmented Generation) (RAG) برای فراهم کردن زمینه‌ای مختص پایگاه داده بهره می‌برند. اگرچه این روش‌ها…

arXiv:2609.01600ترجمه شده

CordisBench: آیا مدل‌های زبانی می‌توانند درباره چرخه‌های عمر کامپوننت‌ها در چارچوب‌های پویای ایجنت استدلال کنند؟

Damien Sileo، Dimitri Kachler

ابزارهای پویای عامل به مدل‌های زبانی اجازه می‌دهند نرم‌افزاری را که اجرای خود را شکل می‌دهد، تغییر دهند. این انعطاف‌پذیری بار استدلالی جدیدی به همراه دارد: یک تغییر محلی در افزونه می‌تواند از طریق وابستگی‌ها و فرآیند پاک…

arXiv:2609.01597ترجمه شده

صعود یادگیری تقویتی زبانی

Kshitij Tayal، Arun Sharma، Genta Indra Winata، Anirban Das و 1 نفر دیگر

زبان طبیعی به عنوان کانال اصلی بازخورد برای بهبود عملکرد عوامل زبانی در حال ظهور است؛ این زبان می‌تواند قصد، ترجیحات و ساختار علی را به شکلی قابل تفسیر برای هم انسان‌ها و هم مدل‌های زبانی مدرن منتقل کند. ما این الگو را ی…

arXiv:2609.01595ترجمه شده

طراحی مکانیزم برای هم‌راستایی و کنترل

Dirk Bergemann، Andrew Koh، Stephen Morris

ما یک چارچوب برای طراحی مکانیزم‌هایی با کارکنان هوش مصنوعی (AI) توسعه می‌دهیم که ترجیحات (alignments) و توانایی‌های (عمل‌های ممکن و اطلاعات) آن‌ها ناشناخته‌اند. ما می‌خواهیم چنین کارکنان‌ها به نمایندگی از ما عمل کنند، بن…

arXiv:2609.01588ترجمه شده

طراحی شریک‌های فکری پیشگیرانه برای نوشتن

Chao Zhang، Abe Davis، Chih-Wei Chen، Chin-Chia Hsu

نوشتن شامل چندین فعالیت ذهنی متنوع—مانند تولید ایده و بازنگری—و نیازهای نویسندگان که در افراد و لحظات مختلف متغیر است، را در بر می‌گیرد. هوش مصنوعی پیشگیر (AI) متعهد است که در زمان مناسب، پشتیبانی مناسب ارائه دهد؛ هرچند…

arXiv:2609.01567ترجمه شده

راهنمایی انتخابی عامل از طریق آنتروپی: یادگیری سیاست‌های خودمختار از معلم‌های ناقص VLM

Matteo Merler، Giovanni Bonetta، Davide Zago، Rossella Cancelliere و 1 نفر دیگر

متأسفانه متنی برای ویرایش ارائه نشده است. لطفاً متن فارسی مورد نظر خود را که مایل به بهبود ترجمه آن هستید، ارسال کنید تا بتوانم ویرایش‌های لازم را انجام دهم.

مقالات منبع از arXiv cs.AI

به‌روزرسانی خودکار روزانه با جدیدترین تحقیقات هوش مصنوعی