پرش به محتوای اصلی

دسته‌بندی

آموزش کاربردی

راهنماهای گام‌به‌گام، دوره‌ها و آموزش‌های کاربردی استفاده از هوش مصنوعی — از مهندسی پرامپت تا فاین‌تیون و RAG.

۸٬۱۸۵ مقاله منتشر شده

ساخت درایور GPU از صفر در یک ماه: ادامه ماجرای پرامپت‌نویسی
آموزش کاربردی

عامل‌های هوش مصنوعی چگونه سرعت توسعهٔ درایورهای سخت‌افزاری را بالا می‌برند؟

کودی هو و تیمش با استفاده از مدل‌های زبانی پیشرفته، سخت‌افزار گرافیکی M4 اپل را مهندسی معکوس کرده و یک درایور سازگار با OpenGL ES 3.0 ساختند. این پروژه نشان می‌دهد که عامل‌های هوش…

۱۴ دقیقه خواندن
شبکه عصبی کوچک برای تشخیص Numberwang بودن اعداد در گیت‌هاب.
سرگرمی و خلاقیت

«مدل‌های کوچک برترند»؛ درس Numberwang برای بهینه‌سازی هوش مصنوعی

یک مدل بسیار سبک با ۱۰۰ خط کد پایتون توانست با دقت ۸۸.۹٪ تشخیص دهد که آیا یک عدد «وانگ» است یا خیر. این پروژه نشان می‌دهد برای کارهای تخصصی، مدل‌های کوچک و بهینه بر مدل‌های…

۳ دقیقه خواندن۱
لوگوی TypeSafe AI و عنوان مقاله: معرفی مدل‌های System One و Jev

مدل Jev تأخیر تصمیم‌گیری هوش مصنوعی را به ۷۰ میلی‌ثانیه رساند

شرکت TypeSafe AI مدل Jev را معرفی کرد؛ سیستمی که به‌جای تولید متن، بر تصمیمات ساختاریافته و سریع تمرکز دارد. این مدل با حذف فرآیند تولید رشته‌های متنی، تا ۲۰۰ برابر سریع‌تر از…

۹ دقیقه خواندن۱
تست حافظه هوش مصنوعی: ثبت ۴.۱ میلیون توکن در یک هفته
آموزش کاربردی

داده‌های Bastra-Recall: ۹۷٪ حافظه‌های بازیابی‌شده توسط هوش مصنوعی نادیده گرفته

بررسی یک سیستم حافظه محلی نشان می‌دهد که مدل‌های هوش مصنوعی با وجود دقت بالا در یافتن خاطرات، حجم عظیمی از داده‌های بی‌ربط را وارد پنجره متنی می‌کنند. این یافته ثابت می‌کند معیار…

۲ دقیقه خواندن
هوک PreCompact: جایی که عامل کدنویسی خاطراتش را عمداً فراموش می‌کند
آموزش کاربردی

درون سازوکار PreCompact برای ذخیره تصمیمات پیش از فشرده‌سازی متن

ابزار متن‌باز myc با استفاده از قلاب PreCompact، تصمیمات حیاتی مهندسی را پیش از پاک‌شدن از حافظه موقت عامل‌های هوش مصنوعی ذخیره می‌کند. این سیستم یک لایه حافظه تأییدشده توسط انسان…

۶ دقیقه خواندن
حلقه استخراج خطا برای ارزیابی مداوم عملکرد عامل هوشمند در Google ADK
آموزش کاربردی

گوگل: چارچوب ADK نرخ خطاهای عملیاتی عامل‌های هوش مصنوعی را کاهش می‌دهد

مجموعه‌های ارزیابی ایستا در عامل‌های هوش مصنوعی به‌سرعت منسوخ می‌شوند و خطاهای واقعی تولید را می‌پوشانند. چارچوب جدید گوگل ADK یک چرخه کنترل‌شده برای تبدیل شکست‌های محیط عملیاتی…

۴ دقیقه خواندن
توقف فشرده‌سازی وب در مدل‌های ۷ میلیارد پارامتری

درون معماری ترکیبی ZGCM-1 برای بهینه‌سازی موتور اجرای ۷ میلیاردی

مؤسسه هوش مصنوعی Zhongguancun مدل ZGCM-1 را معرفی کرد؛ مدلی ۷.۳۹ میلیارد پارامتری که به‌جای حفظ داده‌ها، بر استدلال و استفاده از ابزار تمرکز دارد. این مدل با معماری ترکیبی و پنجره…

۳ دقیقه خواندن۲
شکل ۱: دروازه تعهد خط برای بررسی پچ‌های عامل: خطوط بدون شاهد، تست‌نشده محسوب می‌شوند.
آموزش کاربردی

تأیید انسانی در برابر گواه‌نامه‌ خودکار در گردش‌کارهای برنامه‌نویسی عامل‌محور

یک چارچوب تست جدید با جداسازی تست‌های نوشته‌شده توسط هوش مصنوعی از بررسی‌های انسانی، مانع از تأیید خودکار کدهای غلط می‌شود. این سیستم با الزام وجود یک «شاهد» برای هر خط کد، توهم…

۹ دقیقه خواندن۲