پرش به محتوای اصلی

دسته‌بندی

آموزش کاربردی

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

۸٬۰۷۶ مقاله منتشر شده

شرکت‌کنندگان در رویداد DevDay 2026 در حال گوش دادن به سخنرانی اصلی در سالن اصلی کنفرانس.

گزارش OpenAI: دسترسی ۱.۲ میلیارد کاربر به محیط همکاری مشترک عامل‌ها

شرکت OpenAI رابط کاربری ChatGPT را از یک محیط چت ساده به یک فضای همکاری مشترک تبدیل کرد تا عامل‌های هوشمند بتوانند وظایف بلندمدت را مدیریت کنند. این به‌روزرسانی به توسعه‌دهندگان…

۱ دقیقه خواندن۱
نمودار مقایسه عملکرد APIهای تولید تصویر در مدل‌های مختلف با بودجه‌های متفاوت تلمتری
آموزش کاربردی

چگونه بودجه‌بندی تلمتری مانع از وابستگی به یک ارائه‌دهنده API می‌شود؟

یک چارچوب معماری جدید برای APIهای تولید تصویر با استفاده از بودجه‌های سخت‌گیرانه تلمتری و قراردادهای محدود، قابلیت جابه‌جایی بین مدل‌ها را تضمین می‌کند. این روش اجازه می‌دهد…

۸ دقیقه خواندن
اثر مشاهده‌گر در پایش زنجیره تفکر: تأثیر نظارت بر استدلال مدل‌های زبانی بزرگ
آموزش کاربردی

چرا نظارت بر زنجیرهٔ افکار، رفتار عامل‌های هوشمند را تغییر می‌دهد؟

ثبت گزارش‌های استدلالی در عامل‌های هوش مصنوعی، اثر مشاهده‌گری ایجاد می‌کند و نحوه حل مسئله توسط مدل را تغییر می‌دهد. توسعه‌دهندگان برای حفظ اصالت رفتار مدل، باید به‌جای درخواست…

۳ دقیقه خواندن
چگونه بازبینی گذشته به من کمک کرد تا اشتباهات تکراری یک معامله‌گر را ببینم
آموزش کاربردی

مداخلات رفتاری در برابر قوانین عمومی در آموزش معامله‌گری AI

یک عامل هوشمند جدید با استفاده از حافظهٔ Hindsight، به‌جای تکرار قوانین کلی، الگوهای رفتاری تکراری معامله‌گران را شناسایی می‌کند. این سیستم با متصل کردن پرسش‌های فعلی به اشتباهات…

۶ دقیقه خواندن۱
مدل جدولی Kumo انویدیا برای پیش‌بینی داده‌های جدولی منتشر شد

مدل Kumo Tabular انویدیا پیش‌بینی داده‌های جدولی را بدون آموزش ممکن کرد

انویدیا مدل بنیادی Kumo Tabular را برای پیش‌بینی داده‌های جدولی معرفی کرد که بدون نیاز به مهندسی ویژگی یا آموزش مجدد، نتایج را در یک گذر پیشرو تولید می‌کند. این مدل با پیش‌آموزش…

۵ دقیقه خواندن۲
مدل محلی که ۹۸٪ مواقع مثل Jev پاسخ می‌دهد، و چگونگی اثبات آن
آموزش کاربردی

پروژه Jevstiller: تضمین ۹۸ درصدی در بازتولید پاسخ‌های مدل‌های بزرگ

سامانه Jevstiller با استفاده از یک مسیریاب مدل محلی، پاسخ‌های مدل‌های بزرگ را با تضمین ریاضی بازتولید می‌کند. این روش تأخیر استنتاج را از ۳۰۰ میلی‌ثانیه به ۱۵ میلی‌ثانیه کاهش…

۹ دقیقه خواندن۳
حافظه عامل فراتر از جستجوی برداری نیاز دارد
آموزش کاربردی

محک فنی: جست‌وجوی ترکیبی دقت حافظه را بدون افزایش تأخیر بالا برد

یک محک فنی نشان می‌دهد ادغام جست‌وجوی برداری و واژگانی، دقت بازیابی حافظه در عامل‌های هوشمند را بدون افزایش تأخیر بهبود می‌بخشد. برخلاف باور رایج، استفاده از بازرتبه‌بندی…

۱۰ دقیقه خواندن
هوش مصنوعی یادآور: عاملی که خاطرات مهم شما را به یاد می‌آورد
آموزش کاربردی

درون سازوکار MEMORA برای بازیابی تاریخچه تعاملات در عامل‌های هوشمند

عامل هوشمند MEMORA با تبدیل یادداشت‌های پراکنده به یک سامانه حافظه دائمی، از گم شدن اطلاعات حیاتی بین جلسات جلوگیری می‌کند. این ابزار تاریخچه تعاملات را به صورت فعال بازیابی کرده…

۲ دقیقه خواندن۱
سگ نگهبان هوشمند: جلوگیری از حلقه بی‌پایان عامل کدنویسی هوش مصنوعی
آموزش کاربردی

درون سازوکار نردبان تصاعدی برای بازراه‌اندازی خودکار تسک‌های متوقف‌شده

یک سیستم مانیتورینگ خارجی با ردیابی اثر انگشت اقدامات و وضعیت مخزن کد، از اتلاف توکن‌ها در حلقه‌های تکرار بی‌نهایت جلوگیری می‌کند. این ابزار برخلاف گزارش‌های داخلی مدل، از یک…

۸ دقیقه خواندن۱