آموزش کاربردی

پژوهشگران چارچوب جدیدی به نام EaC را معرفی کردند که به عامل‌های هوش مصنوعی اجازه می‌دهد تجهیزات فیزیکی آزمایشگاه را کنترل کنند. این سیستم با تبدیل استدلال‌های دیجیتال به دستورات…

پژوهشگران با معرفی LongSeeker، پارادایم جدیدی برای مدیریت حافظه در عامل‌های جستجو ایجاد کرده‌اند. این مدل با حذف داده‌های زائد، دقت جستجوهای پیچیده را به ۶۲.۵٪ رسانده و رقبای…

یک سیستم جدید عامل‌محور توانسته است با ساخت و بازنویسی مدل‌های دنیای پایتونی، پازل‌های پیچیده ARC-AGI-3 را حل کند. این دستاورد، معیار جدیدی برای استدلال عمومی در هوش مصنوعی تعریف…

پژوهشگران با معرفی Uno-Orchestra، سیستمی برای بهینه‌سازی همزمان تجزیه تکالیف و انتخاب مدل طراحی کرده‌اند. این رویکرد دقت را ۱۶ درصد افزایش و هزینه‌های استنتاج را تا ۱۰ برابر کاهش…

پلتفرم تخصصی Gosset در شناسایی داربست‌های دارویی سرطان و ایمنی، ۳.۲ برابر موفق‌تر از GPT-5.5 عمل کرد. این نتیجه ثابت می‌کند که شاخص‌های داده‌ای منتخب، بر جستجوی عمومی مدل‌های…

پژوهشگران با معرفی سیستم BAOC ثابت کردند که استفاده از یک بهینه‌ساز واحد برای کل مدل، باعث اتلاف شدید حافظه می‌شود. این ابزار با تخصیص تنظیمات مجزا به هر بلوک شبکه، مصرف منابع را…

پژوهشگران با معرفی AuditRepairBench، راهکاری برای توقف تقلب عامل‌های AI در ارزیابی‌های کدنویسی ارائه کردند. این چارچوب با کاهش ۶۲ درصدی نوسانات رتبه‌بندی، معیارهای عملکردی…

پژوهشگران با معرفی SensingAgents، چارچوبی عامل‌محور ایجاد کرده‌اند که تشخیص فعالیت‌های انسانی را از طریق شبیه‌سازی بحث‌های استدلالی بهبود می‌بخشد. این سیستم در حالت Zero-shot،…

ابزار متن‌باز rtk با فیلتر کردن خروجی‌های پرتلاطم ترمینال، هزینه‌های توکن Claude Code را تا ۹۰ درصد کاهش می‌دهد. این ابزار به عنوان یک پروکسی خط فرمان عمل کرده و از پر شدن بیهوده…

ابزار Atomic با جایگزینی پرامپت‌های مبهم با جریان‌های کاری قطعی، نظارت دستی بر عامل‌های کدنویس را حذف می‌کند. این SDK متن‌باز، پیچیدگی‌های مهاجرت‌های عظیم کد را به یک فرآیند…

پروژه‌ی open-claude-design ثابت کرد که استفاده از «هارنس‌های نازک» برای مدیریت ابزارهای موجود، بسیار کارآمدتر از ساخت عامل‌های حجیم است. این سیستم با بازسازی خط لوله‌ی ابزار طراحی…