💡 چارچوب SPICE: گامی تازه در بهبود خودانگیخته مدل‌های زبانی مقاله‌ای از پژوهشگران Meta FAIR و دانشگاه ملی سنگاپور (NUS) (منتشر شده در اکتبر ۲۰۲۵) 🔍 خلاصهٔ پژوهش پژوهشگران در این مقاله چارچوبی نوین به نام SPICE (Self-Play In Corpus Environments) ارائه کرده‌اند که هدف آن ارتقای مداوم توان استدلال مدل‌های زبانی بزرگ (LLMs) از طریق نوعی یادگیری تقویتی خودکار است. در این روش، یک مدل در دو نقش هم‌زمان عمل می‌کند: چالش‌گر (Challenger): با استخراج اسناد واقعی از پیکره‌های متنی، پرسش‌هایی دشوار و متنوع تولید می‌کند؛ استدلال‌گر (Reasoner): بدون دسترسی به سند، تلاش می‌کند به این پرسش‌ها پاسخ دهد. در تعامل میان این دو نقش، چالش‌گر به تدریج پرسش‌های پیچیده‌تر می‌سازد و استدلال‌گر نیز گام‌به‌گام توانایی‌های استدلالی خود را بهبود می‌بخشد؛ فرآیندی که نوعی «برنامهٔ درسی خودکار» را به وجود می‌آورد. 🧠 مسئله و نوآوری روش‌های سنتی بازی برابر خود (Self-Play) در مدل‌های زبانی غالباً با دو مشکل روبه‌رو هستند: ۱. انباشت خطا و توهم (Hallucination) در داده‌های مصنوعی، ۲. تقارن اطلاعاتی میان سازنده و پاسخ‌دهنده که مانع شکل‌گیری چالش واقعی می‌شود. روش SPICE با افزودن مؤلفه‌ای به نام پایه‌گذاری در اسناد واقعی (Corpus Grounding) این چرخه را می‌شکند. بدین ترتیب، مدل همواره به داده‌های نو و قابل‌راستی‌آزمایی متکی است و از انباشت خطا جلوگیری می‌شود. ⚙️ سازوکار SPICE منبع یادگیری: مجموعه‌ای از اسناد واقعی (مانند داده‌های ریاضی یا متون علمی). پاداش‌ها: چالش‌گر بر اساس میزان دشواری مناسب پرسش (واریانس پاسخ‌های مدل) پاداش می‌گیرد. استدلال‌گر بر اساس درستی پاسخ، پاداش دودویی دریافت می‌کند. آموزش هم‌زمان: هر دو نقش با وزن‌های مشترک و الگوریتم DrGRPO آموزش می‌بینند؛ رویکردی که منجر به هم‌تکاملی (Co-evolution) دو نقش می‌شود. 📊 نتایج تجربی آزمایش‌ها بر روی مدل‌های مختلف (از جمله Qwen3-4B و OctoThinker-8B) نشان داده‌اند که SPICE در مقایسه با روش‌های بازی برابر خود (Self-Play) موجود مانند R-Zero و Absolute Zero: میانگین بهبود ۸٫۹٪ در استدلال ریاضی و ۹٫۸٪ در استدلال عمومی به همراه دارد. همچنین پویایی آموزشی نشان می‌دهد که مدل در طول زمان پرسش‌های دشوارتر و پاسخ‌های منطقی‌تر تولید می‌کند — نشانه‌ای از شکل‌گیری نوعی یادگیری خودسازمان‌یافته و پایدار. 🔬 تحلیل و بررسی استفاده از دو پیکره‌ی NaturalReasoning و Nemotron-CC-Math بهترین نتایج را فراهم کرده است. ترکیب پرسش‌های چندگزینه‌ای و آزاد موجب تعادل میان دقت و خلاقیت می‌شود. تابع پاداش بر پایه‌ی واریانس گاوسی مؤثرترین روش برای تنظیم تدریجی دشواری مسائل است. 🧩 جمع‌بندی روش SPICE نشان می‌دهد که می‌توان مدل‌های زبانی را به گونه‌ای آموزش داد تا خود به‌صورت پویا از داده‌های جهان واقعی بیاموزند و رشد کنند، بی‌آنکه نیاز به نظارت انسانی یا مجموعه‌داده‌های ثابت داشته باشند. این رویکرد گامی مهم در مسیر خودبهبوددهی پایدار و نزدیک شدن به AGI به شمار می‌آید؛ زیرا تعامل میان مدل و محیط داده‌ای واقعی، زمینه‌ی یادگیری بی‌پایان و پیشرفت مداوم را فراهم می‌کند. 🔗 https://arxiv.org/abs/2510.24684 #اندیشکده_مطالعات_هوش_مصنوعی_فرهنگ_رسانه #هوش_مصنوعی ┏━━💠┓ 🆔 https://eitaa.com/nraimc ┗💠━━

🧠 روش Think-at-Hard (TaH): روشی هوشمند برای تقویت توان استدلال مدل‌های زبانی پژوهشگران دانشگاه Tsinghua روشی تازه به نام TaH معرفی کرده‌اند که توان استدلال مدل‌های زبانی را بدون افزایش تعداد پارامترها به‌طور قابل توجهی بهبود می‌دهد. 🔍 مسئله در بسیاری از مدل‌ها، «تفکر بیش‌ازحد پنهان» رخ می‌دهد: مدل وقتی بیش از حد روی یک مسئله فکر می‌کند، در نهایت پاسخ درست را خراب می‌کند. 💡 راه‌حل TaH این روش سه ایده کلیدی دارد: 🔎 تشخیص توکن‌های سخت: مدل فقط روی بخش‌های دشوار مسئله بیشتر «فکر» می‌کند. 🧩 حل کننده مسئله سبک (Light Solver): تصمیم می‌گیرد کجا نیاز به تفکر طولانی‌تر است. 🔧 تطبیق گرهای LoRA-Adapters: هنگام لزوم، مدل را وارد حالت «اصلاح خطا» می‌کنند تا اشتباهات استنتاجی را ترمیم کند. 📊 نتایج آزمایش 🚀 افزایش ۴ تا ۵ درصدی دقت روی پنج بنچمارک مهم ریاضی 🧹 ۹۴٪ توکن‌ها از محاسبات اضافی آزاد می‌شوند ⚡️ کاهش قابل توجه FLOPs نسبت به روش‌های مبتنی بر تفکر یکنواخت خروجی نهایی: روشی هوشمند، انتخابی و کم‌هزینه برای افزایش کیفیت تفکر LLMها. 🔗 لینک مقاله: https://arxiv.org/abs/2511.08577 #AI #LLM #Tsinghua #Research #اندیشکده_مطالعات_هوش_مصنوعی_فرهنگ_رسانه #هوش_مصنوعی ┏━━💠┓ 🆔 https://eitaa.com/nraimc ┗💠━━

سلسله نشست های تخصصی مجازی شبکه اندیشکده های استادان کشور 🔍موضوع: «از ایده تا اثر؛ سیاست گذاری موثر و تولید بسته های سیاستی در اندیشکده ها » 🎙دکتر ناصر باقری مقدم ▪ مدیر گروه سیاست فناوری و نوآوری موسسه تحقیقات سیاست علمی کشور ▪️قائم مقام سابق بنیاد ملی نخبگان ▪️دکتری مدیریت تکنولوژی؛ سیاستگذاری علم و فناوری 🗓یکشنبه ۱۴۰۴/۰۸/۲۵ ⏰ ۱۸:۳۰ الی ۲۰:۰۰ ✨ارائه گواهی به شرکت کنندگان 🔻🔻🔻🔻🔻🔻🔻🔻🔻 جهت ورورد به نشست اینجا کلیک کنید. 🔺🔺🔺🔺🔺🔺🔺🔺🔺 🔶 «نُها»؛ شبکه نوآوری و هم افزایی اندیشکده های استادان ❔@tn_noha❔

🔰 اطلاعیه کنسل شدن نشست نشست «از ایده تا اثر؛ سیاست گذاری موثر و تولید بسته های سیاستی در اندیشکده ها» دکتر ناصر باقری مقدم کنسل شده و به زمان دیگری موکول میشود. زمان نشست جدید متعاقباً در کانال اطلاع رسانی خواهد شد. ❔@tn_noha❔

سلسله نشست های تخصصی شبکه اندیشکده های استادان کشور 🔍موضوع: «هوش مصنوعی و نقش آن در نظام تصمیم سازی کلان و مدیریت کشور » 🎙دکتر محمدرضا افشاری ▪ مدرس مباحث هوش مصنوعی ▪️دکتری مهندسی کامپیوتر 🗓یکشنبه ۱۴۰۴/۰۹/۲۳ ⏰ ۱۸:۳۰ الی ۲۰:۰۰ ✨ارائه گواهی به شرکت کنندگان 🔻🔻🔻🔻🔻🔻🔻🔻🔻 جهت ورورد به نشست اینجا کلیک کنید. 🔺🔺🔺🔺🔺🔺🔺🔺🔺 🔶 «نُها»؛ شبکه نوآوری و هم افزایی اندیشکده های استادان ❔@tn_noha❔

🧠🔊 مغز چگونه واژه‌های شنیداری را می‌سازد؟ گزارشی از یک پژوهش جدید در علوم اعصاب شناختی 📄 پژوهشی تازه منتشرشده در ScienceDirect نشان می‌دهد که مغز انسان چگونه گفتار پیوسته را به واژه‌های مجزا و معنادار تبدیل می‌کند؛ مسئله‌ای که سال‌ها یکی از چالش‌های اصلی علوم اعصاب زبان بوده است. 🎯 مسئله اصلی چیست؟ گفتار طبیعی مرزهای واضحی بین واژه‌ها ندارد، اما ما بدون زحمت آن را به صورت کلمات جداگانه درک می‌کنیم. ❓ سؤال کلیدی: مغز این مرزبندی را چطور انجام می‌دهد؟ 🧪 روش پژوهش 🔹 ثبت مستقیم فعالیت قشر مغز انسان با الکتروکورتیکوگرافی (ECoG) 🔹 تمرکز روی ناحیه‌ی STG (شیار گیجگاهی فوقانی) 🔹 گوش دادن شرکت‌کنندگان به گفتار طبیعی و داستان‌محور این روش امکان مشاهده‌ی دقیق دینامیک زمانی نورون‌ها را فراهم کرده است. 🧠 یافته‌های کلیدی 🔄 ۱. ریست عصبی در مرز واژه‌ها فعالیت نورونی در STG در مرز بین واژه‌ها به‌طور مشخصی کاهش می‌یابد؛ 📌 مغز از این «بازنشانی» برای تشخیص پایان و آغاز واژه‌ها استفاده می‌کند. 📊 ۲. رمزگذاری چندلایه داخل هر واژه بین دو ریست: ویژگی‌های آکوستیکی (واج‌ها) اطلاعات آهنگ و ریتم گفتار و حتی نشانه‌های معنایی به‌صورت هم‌زمان و پویا رمزگذاری می‌شوند. ⏱️ ۳. زمان نسبی مهم‌تر از زمان مطلق است مغز واژه‌ها را نه بر اساس طول واقعی‌شان، بلکه بر اساس پیشرفت نسبی درون هر واژه پردازش می‌کند. 📌 نتیجه: انعطاف بالا در درک واژه‌های کوتاه و بلند. 🤖 ۴. شباهت شگفت‌انگیز با مدل‌های هوش مصنوعی الگوی فعالیت مغز شباهت زیادی به شبکه‌های عصبی خودنظارتی گفتار دارد. 🔹 نشانه‌ای از همگرایی میان علوم اعصاب و مدل‌های یادگیری عمیق. 🧪 آزمون ادراک در وظایف ادراک دوپایدار: 🧠 پاسخ‌های مغزی دقیقاً با ادراک ذهنی فرد از مرزهای واژه‌ها هم‌راستا بود. یعنی مغز نه‌فقط صدا، بلکه «آنچه شنیده می‌شود» را بازنمایی می‌کند. 🧩 جمع‌بندی ✅ مغز از یک مدل دینامیکی و چرخه‌ای برای ساخت واژه‌ها استفاده می‌کند ✅ مرزهای واژه با ریست‌های عصبی مشخص می‌شوند ✅ اطلاعات صوتی، آهنگین و معنایی به‌صورت یکپارچه ادغام می‌شوند ✅ این سازوکار بسیار شبیه معماری‌های مدرن هوش مصنوعی است 🚀 اهمیت پژوهش 🔹 درک عمیق‌تر زبان در مغز انسان 🔹 الهام برای مدل‌های پیشرفته‌ی پردازش گفتار 🔹 کاربرد بالقوه در BCI، درمان اختلالات زبانی و هوش مصنوعی گفتارمحور 📎 منبع علمی: Human cortical dynamics of auditory word form encoding ScienceDirect – 2025 #اندیشکده_مطالعات_هوش_مصنوعی_فرهنگ_رسانه #هوش_مصنوعی ┏━━💠┓ 🆔 https://eitaa.com/nraimc ┗💠━━

📣 سامانه دسترسی سریع به خدمات روزمره رونمایی شد 🔸 سامانه IRAN.IR به منظور رفاه هم‌میهنان گرامی برای دسترسی سریع به خدمات روزمره پیاده سازی شده است. 🔸 در حال حاضر این سامانه شامل دسته‌بندی های متنوع و مختلف نظیر برنامه‌های پرکاربرد، بانک‌ها، آموزش تخصصی، سلامت، دانشگاه، بیمارستان و خدمات دولت می‌باشد. 🔸 همچنین در بخش جستجو می‌توانید با وارد نمودن بخشی از نام دامنه یا موضوع درخواستی به خدمت مورد نظر هدایت شوید. 🔺 گسترده‌ترین شبکه خبری مردمی ایتا

سلسله نشست های تخصصی شبکه اندیشکده های استادان کشور 🔍موضوع: «جمعیت شناسی، دموکراسی و صلح » 🎙دکتر علی پژهان ▪ دبیر اندیشکده سلامت جمعیت و خانواده 🗓سه شنبه ۱۴۰۴/۱۲/۰۵ ⏰ ۱۹:۰۰ الی ۲۰:۳۰ ✨ارائه گواهی به شرکت کنندگان 🔻🔻🔻🔻🔻🔻🔻🔻🔻 جهت ورورد به نشست اینجا کلیک کنید. 🔺🔺🔺🔺🔺🔺🔺🔺🔺 🔶 «نُها»؛ شبکه نوآوری و هم افزایی اندیشکده های استادان ❔@tn_noha❔

☑️🔴 سایت‌های #هوش‌مصنوعی ایرانی برای اینترنت‌ملی 👈🏻 هوش مصنوعی بوف 🔎 https://boofai.com 👈🏻 هوش مصنوعی ویرا (اپلیکیشن) 🔎 https://ivira.ai 💢 سایت‌های #هوش‌مصنوعی ایرانی برای اینترنت‌ملی فرهنگیان ناب 👈🏻 هوش مصنوعی سوره 🔎 https://soore.ai 👈🏻 هوش مصنوعی رخشای 🔎 https://rakhshai.com 👈🏻 هوش مصنوعی نور فرهنگیان ناب 🔎 noorgpt.ir/chat 👈🏻 هوش مصنوعی هوشیار 🔎 https://houshyar24.ir 👈🏻 هوش مصنوعی اول ای آی 🔎 https://avalai.ir 👈🏻 هوش مصنوعی زیگپ 🔎 https://zigap.ir 👈🏻 هوش مصنوعی خودنویس 🔎 khodnevisai.com 👈🏻 هوش مصنوعی روبو 🔎 https://roboo.ir 👈🏻 هوش مصنوعی یارابات 🔎 https://yarabot.ir 👈🏻 هوش مصنوعی هوش نو 🔎 http://hoosheno.com 👈🏻 هوش مصنوعی گپ جی‌پی‌تی 🔎 https://gapgpt.app 👈🏻 هوش مصنوعی راینو 🔎 chat.smartbytes.ir #اندیشکده_مطالعات_هوش_مصنوعی_فرهنگ_رسانه #هوش_مصنوعی ┏━━💠┓ 🆔 https://eitaa.com/nraimc ┗💠━━