پرش به محتوای اصلی

دسته‌بندی

آموزش کاربردی

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

۸٬۰۸۲ مقاله منتشر شده

نمودار مقایسه عملکرد چارچوب‌های یادگیری ماشین در PacBench: دقت، زمان آموزش و مصرف حافظه
آموزش کاربردی

PacBench: افشای هزینه‌های پنهان و نرخ مصرف توکن در ابزارهای کدنویسی AI

چارچوب جدید PacBench با ردیابی دقیق زمان اجرا و هزینه‌های API، فراتر از معیارهای صحت به تحلیل بهره‌وری مالی ابزارهای کدنویسی می‌پردازد. این سیستم تفاوت میان مدل‌های دقیق اما…

۱ دقیقه خواندن
کشف ۲۴ آسیب‌پذیری اندروید با عامل امنیتی متن‌باز هوش مصنوعی
آموزش کاربردی

عامل هوش مصنوعی گیت‌هاب ۲۴ آسیب‌پذیری بحرانی در اپلیکیشن‌های اندروید یافت

پژوهشگران GitHub Security Lab ابزاری متن‌باز برای خودکارسازی شکار باگ‌ها در اندروید توسعه داده‌اند. این عامل با استفاده از جریان‌های کاری تخصصی، توانست حفره‌های امنیتی خطرناکی از…

۱۰ دقیقه خواندن
عامل هوش مصنوعی در حال تحلیل و سازماندهی خودکار اسناد درون سیستم داکو است.
آموزش کاربردی

«وصله‌های هدفمند»؛ راهکار Doco برای تأیید نسخه‌به‌نسخهٔ وابستگی‌های AI

پلتفرم Doco با جایگزینی بازنویسی کلی اسناد با سیستم «وصله‌های هدفمند»، نرخ خطای عامل‌های هوش مصنوعی را کاهش داد. این سازوکار اجبار می‌کند عامل پیش از هر تغییر کوچک، شواهد و…

۵ دقیقه خواندن۱
اجزای اجرایی عامل تحت حاکمیت در عمل: نمایش معماری و فرآیندهای کلیدی
آموزش کاربردی

مدل‌های احتمالی در برابر زیرساخت‌های قطعی؛ چالش اجرای عامل‌های هوشمند

بیشتر نمونه‌های اولیه عامل‌های هوش مصنوعی به دلیل نبود یک لایه نظارتی برای مدیریت فاصله میان مدل‌های احتمالی و زیرساخت‌های واقعی شکست می‌خورند. یک رانتایم مستقل از پروتکل با اعمال…

۳ دقیقه خواندن۱
یادداشت YAML یک معیار موفقیت کدنویسی AI را قطع کرد — دروازه همچنان باز ماند
آموزش کاربردی

یک کاراکتر ساده در فایل YAML گیت‌های تأیید کدنویسی هوش مصنوعی را دور زد

یک خطای تجزیه (Parsing) در ابزار spec-lane باعث شد عامل‌های کدنویس با وجود نادیده گرفتن معیارهای موفقیت، از گیت‌های تأیید عبور کنند. این باگ زمانی رخ می‌داد که رشته‌های بدون…

۸ دقیقه خواندن۱
حل توهم فراخوانی ابزار: پیاده‌سازی تطبیق نام قطعی برای عامل‌های هوش مصنوعی
آموزش کاربردی

Vinkius با لایه‌ی ترجمه قطعی، توهمات ابزاری در عامل‌های هوش مصنوعی را حذف کرد

پلتفرم Vinkius برای جلوگیری از شکست عامل‌های هوش مصنوعی در اثر غلط‌های املایی در فراخوانی ابزارها، یک لایه‌ی ترجمه چهارمرحله‌ای معرفی کرد. این سیستم با جایگزینی بررسی‌های…

۴ دقیقه خواندن
پلتفرم ایمنی عامل هوشمند انویدیا: آیا یک توسعه‌دهنده تنها می‌تواند بلافاصله از آن استفاده کند؟
آموزش کاربردی

سخت‌افزارهای گران‌قیمت انویدیا؛ سد راه توسعه‌دهندگان مستقل در پلتفرم ایمنی

پلتفرم جدید انویدیا برای کنترل دسترسی عامل‌های هوش مصنوعی در سطح تراشه شبکه عرضه شد، اما نیاز به سخت‌افزارهای سازمانی، استفاده از آن را برای توسعه‌دهندگان مستقل دشوار می‌کند. برای…

۲ دقیقه خواندن۱
آنچه از ساخت SupportMind درباره عامل‌های هوش مصنوعی آموختیم
آموزش کاربردی

معماری حافظهٔ SupportMind: جداسازی یادآوری از پنجرهٔ متنی برای جلوگیری از نشت

پروژه SupportMind نشان می‌دهد که عامل‌های پشتیبانی به جای پنجره‌های متنی بزرگ‌تر، به معماری حافظه اختصاصی نیاز دارند. این رویکرد با جداسازی حافظه بلندمدت از مدل زبانی، از انباشت…

۴ دقیقه خواندن۲
نسخه‌بندی مدل برای هوش مصنوعی تولیدی کافی نیست
آموزش کاربردی

«مانیفست انتشار»؛ راهکاری برای توقف فروپاشی سیستم‌های AI در تولید

تغییر در پرامپت‌ها یا شاخص‌های بازیابی می‌تواند حتی بدون تغییر مدل، باعث فروپاشی سیستم شود. برای جلوگیری از این شکست‌ها، جایگزینی نسخه‌بندی ساده با «مانیفست انتشار» (Release…

۸ دقیقه خواندن
الگوهای سه‌گانه پرامپت کاربردی با نمونه آماده کپی‌پیست
آموزش کاربردی

۳ الگوی ساختاری برای رفع خطاهای رایج در خروجی‌های هوش مصنوعی

بسیاری از نتایج ضعیف هوش مصنوعی ناشی از ابهام در دستورات است، نه نقص مدل. استفاده از سه الگوی «محدودیت نقش»، «نمونه‌های اندک» و «پرس‌وجوی پیش‌ازپاسخ» دقت و تراکم خروجی‌ها را…

۲ دقیقه خواندن۱