شرکت OpenAI از دومین Agent خودش موسوم به Deep Research رونمایی کرده که از نظر کارکرد دقیقا مشابه قابلیت Deep Research در جمنای هست.

بدین صورت وقتی جوابی که از هوش مصنوعی بخواین دیگه یک جواب کوتاه، ساده و سریع نیست، این قابلیت رو روشن میکنین تا یک تحقیق کامل و با جزییات بالا برای شما تهیه کنه.

در نتیجه با فعال کردن اون، ChatGPT با استفاده از مدل O3 سایتها و مقالات مختلف رو مرور میکنه، به اطلاعاتی که بهشون در این پروسه برمیخوره واکنش نشون میده، مسیرش رو در صورت نیاز تغییر بده و این اطلاعات رو با استفاده از این مدل استلالی و همچنین ابزارهای مختلف پایتون، پردازش میکنه و در نهایت یک گزارش کامل در مورد موضوعات مختلف از جمله در حوزه های مالی، علم، سیاست، مهندسی و غیره تهیه میکنه.

علاوه بر اینها برای انجام تحقیقی با دقت بالا برای خرید محصولات گرون قیمتی همچون خونه، خودرو، وسایل منزل و غیره هم کاربردی هست.

در حال حاضر این قابلیت فقط خروجی متن به کاربر میده ولی OpenAI گفته در اینده این مدل میتونه در گزارشاتی که تهیه میکنه عکس، نمودار و دیگر خروجی های اماری رو هم اضافه کنه و همچنین به منابع مختلف داده و سایتهای با اشتراک پولی هم متصل بشه.

این قابلیت منابع زیادی نیاز داره و انجام هر تحقیق توسط اون بین 5 تا 30 دقیقه زمان میبره. در نتیجه Deep Research از امروز فقط در دسترس کاربران اشتراک 200 دلاری پرو هست و اونها هم فقط 50 تحقیق در ماه میتونن از اون بخوان.

در ماه اینده این قابلیت با تعداد محدودی در دسترس کاربران اشتراک پلاس قرار میگیره و در ماه بعد با تعداد بسیار محدودتر و با نسخه سبکتری، کاربران رایگان هم میتونن از اون استفاده کنن.

🔎 techcrunch

📍 @TechTube

تشویق مدل به فکر کردن بیشتر، تنها با اضافه کردن Wait به دستور!

محققان دانشگاه استنفورد یک روش جدید برای بهینه‌سازی مدل‌های زبانی معرفی کردن. این روش که s1 نام داره، با استفاده از فقط ۱۰۰۰ نمونه آموزشی و یک تکنیک ساده به نام budget forcing تونسته عملکردی مشابه مدل‌های بزرگ OpenAI مثل o1 به دست بیاره. نکته مهم اینجاست که اکثر مدل‌های موفق در این حوزه مثل DeepSeek r1 از داده‌های آموزشی خیلی بیشتری (حدود ۸۰۰ برابر) استفاده می‌کنن.

محققان استنفورد برای انتخاب این ۱۰۰۰ نمونه از سه معیار اصلی استفاده کردن: کیفیت (داده‌های با فرمت مناسب و بدون خطا)، سختی (مسائلی که مدل‌های پایه نمی‌تونن حل کنن) و تنوع (پوشش حوزه‌های مختلف از ریاضیات تا فیزیک و علوم کامپیوتر). این انتخاب هوشمندانه باعث شده که با وجود حجم کم داده‌های آموزشی، مدل بتونه عملکرد خوبی داشته باشه.

تکنیک budget forcing که در این تحقیق معرفی شده، یک روش ساده اما موثر برای کنترل زمان فکر کردن مدل هست. این تکنیک به دو روش عمل می‌کنه: اول اینکه اگر مدل بیش از حد مشخصی فکر کنه، به طور خودکار پردازش متوقف می‌شه و مدل مجبور به ارائه پاسخ می‌شه. دوم اینکه اگر بخوایم مدل بیشتر فکر کنه، با اضافه کردن کلمه "Wait" به زنجیره استدلال، مدل تشویق می‌شه تا بیشتر روی مسئله تمرکز کنه.

در آزمون‌های مختلف، مدل s1-32B عملکرد قابل توجهی داشته. برای مثال در آزمون‌های ریاضی AIME24 به دقت ۵۶.۷ درصد و در MATH500 به دقت ۹۳ درصد رسیده. همچنین در سوالات علمی سطح دکترا (GPQA Diamond) به دقت ۵۹.۶ درصد دست پیدا کرده که نشون می‌ده این مدل می‌تونه با مدل‌های بزرگ‌تر رقابت کنه.

نکته جالب دیگه اینه که کل فرآیند آموزش این مدل فقط ۲۶ دقیقه روی ۱۶ کارت H100 طول کشیده که در مقایسه با مدل‌های مشابه که نیاز به روزها و هفته‌ها آموزش دارن، بسیار کمتره. این نشون می‌ده که با روش‌های هوشمندانه می‌شه به جای افزایش حجم داده و زمان محاسبات، به نتایج مشابه یا حتی بهتری رسید.

محققان همچنین نشون دادن که با افزایش زمان فکر کردن مدل در زمان استفاده (test-time)، دقت پاسخ‌ها بهبود پیدا می‌کنه. برای مثال در AIME24، وقتی به مدل اجازه داده شد تا ۶ بار بیشتر فکر کنه، دقت از ۵۰ درصد به ۵۷ درصد افزایش پیدا کرد. این نشون می‌ده که حتی بعد از آموزش هم می‌شه با تنظیم پارامترهای اجرا، عملکرد مدل رو بهبود داد.

نسخه کامل این مقاله رو میتونید از اینجا مشاهده کنید.

@aipulse24