الإحصائيات والتقارير
-
دراسة تقيس الفجوة بين أفكار الباحثين ونماذج اللغة الكبيرة
باحثون من Yale يبنون أول إطار كمي لقياس فجوة أفكار البحث العلمي بين البشر ونماذج اللغة الكبيرة LLM
أكمل القراءة » -
ثلث محادثات ChatGPT تولّد خيالاً أدبياً وفق دراسة جديدة
دراسة تحلّل 500,000 محادثة حقيقية تكشف أن توليد الخيال الأدبي في ChatGPT يهيمن عليه مستخدمون كثيفو الاستخدام يطلبون قصصاً لا…
أكمل القراءة » -
GeneBench-Pro يكشف الهوة الحقيقية بين الذكاء الاصطناعي والخبرة العلمية
معيار GeneBench-Pro من OpenAI يختبر "ذوق البحث العلمي" لدى الوكلاء الذكيين، وأفضل النماذج لم يتجاوز 31.5% من المهام التي يستغرق…
أكمل القراءة » -
5 استنتاجات تُعيد تعريف ظهور علامتك في الذكاء الاصطناعي
دراسة على 12,000 استجابة تكشف أن ذكر علامتك التجارية في الذكاء الاصطناعي لا يعني الاستشهاد بموقعك — وكيف تُغلق هذه…
أكمل القراءة » -
نماذج اللغة تُخطئ في قراءة الجداول رغم فهمها لبنيتها
ورقة بحثية تُقيّم أخطاء الإسناد البياني في نماذج LLM وتُثبت أن ناقدًا بحجم 4B يُحسّن الدقة 12% ويرصد الأخطاء بنسبة…
أكمل القراءة » -
QVal يكشف أن prompting البسيط يتفوق على 21 طريقة إشراف في وكلاء LLM
QVal إطار تقييم جديد يقيس جودة إشارات الإشراف الكثيف لوكلاء LLM قبل التدريب، باختبار 21 طريقة عبر 1,200 تجربة
أكمل القراءة » -
ScarfBench من IBM: أقل من 10% نجاح لوكلاء الكود في هجرة Java المؤسسية
ScarfBench معيار IBM لقياس وكلاء الذكاء الاصطناعي في هجرة أطر Java يكشف أن أفضل الوكلاء لا يتجاوز نجاحها 10% في…
أكمل القراءة » -
فجوة الذكاء الاصطناعي في بريطانيا تُنتج نخبة تكسب أكثر وترتقي أسرع
دراسة جوجل وPublic First تكشف أن تبني الذكاء الاصطناعي في بريطانيا تضاعف إلى 73%، لكن 15% فقط من القوى العاملة…
أكمل القراءة » -
RoadmapBench يكشف عجز وكلاء البرمجة عن التطوير الهندسي الحقيقي
معيار RoadmapBench يختبر 13 نموذجاً على 115 مهمة حقيقية فيكشف أن أفضلها لا يحل سوى 39.1% من التطوير البرمجي طويل…
أكمل القراءة » -
GROW²: روبوت يختار أدواته البديلة بذكاء دون تدريب مسبق
نظام GROW² للذكاء الاصطناعي يحل معضلة open-world affordance grounding عبر تقسيم هرمي يجمع VLMs ونماذج الرؤية ثلاثية الأبعاد
أكمل القراءة »
