پرش به محتوای اصلی

دسته‌بندی

آموزش کاربردی

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

۹٬۳۰۴ مقاله منتشر شده

افزایش ۱.۶۱ برابری سرعت عامل‌های محلی با چارچوب نرم‌افزاری Agent-X

چارچوب Agent-X سرعت اجرای عامل‌های هوش مصنوعی روی دستگاه‌های لبه را بدون کاهش دقت، ۱.۶۱ برابر افزایش می‌دهد. این سیستم از طریق بازنویسی پرامپت و رمزگشایی حدسی، گلوگاه‌های زمانی در…

۲ دقیقه خواندن۲

مدل‌های دنیای کد؛ راهکار جدید برای پیش‌بینی دقیق رفتار عامل‌های موبایلی

پژوهشگران با توسعه مدل‌های دنیای چهاروجهی، توانسته‌اند دقت پیش‌بینی نتایج اقدامات عامل‌های هوش مصنوعی در محیط موبایل را ارتقا دهند. یافته‌ها نشان می‌دهد کد‌های قابل رندر برای دقت…

۲ دقیقه خواندن

گزارش arXiv: سیستم INFOMINER تراکم واقعیت‌ها را ۲۲.۴٪ افزایش داد

متدولوژی جدیدی به نام HDRI، پژوهش‌های هوش مصنوعی را از تلخیص ساده به یک فرآیند فعال و فرضیه‌محور تبدیل کرده است. سیستم INFOMINER با استفاده از مکانیسم تشخیص شکاف، دقت و جامعیت کشف…

۲ دقیقه خواندن۱

چرا خودمختاری کامل عامل‌های هوش مصنوعی در محیط‌های سازمانی شکست می‌خورد؟

چارچوب جدید Dynamic Tiered AgentRunner با معرفی لایه‌بندی ریسک و جداسازی اختیارات، امنیت استقرار عامل‌های هوش مصنوعی در سازمان‌ها را افزایش می‌دهد. این سیستم به‌جای اتکا به…

۲ دقیقه خواندن۲

سازوکار HAGE: تبدیل حافظه‌ی ایستا به نقشه‌ی شناختی پویا با یادگیری تقویت‌شده

چارچوب HAGE جستجوی برداری ایستا در عامل‌های هوش مصنوعی را با گراف‌های حافظه چندرابطه‌ای و وزنی جایگزین می‌کند. این سیستم با استفاده از یادگیری تقویت‌شده برای بهینه‌سازی وزن…

۲ دقیقه خواندن۳

افزایش ۱۳.۳۴ درصدی دقت استدلال ریاضی در AIME ۲۰۲۵ با چارچوب EXPO

چارچوب بهینه‌سازی جدیدی به نام EXPO با جایگزینی جریمه‌های ثابت KL و نمونه‌برداری یکنواخت، توانست عملکرد مدل‌های Qwen در استدلال ریاضی را به‌طور چشمگیری ارتقا دهد. این دستاورد نشان…

۲ دقیقه خواندن۱

سازوکار M2A: تزریق استدلال ریاضی به عامل‌های هوش مصنوعی بدون آموزش مجدد

رویکرد جدید M2A با ادغام پارامترها در فضای تهی، توانایی استدلال ریاضی را به عامل‌های هوش مصنوعی تزریق می‌کند بدون آنکه نیاز به آموزش مجدد باشد. این متد نرخ حل مسائل SWE-Bench در…

۲ دقیقه خواندن۳

چرا در مقیاس Blackwell، زیرساخت شبکه به متغیر تعیین‌کننده جایگزین FLOPS شد؟

شرکت AWS معماری چهارلایه جدیدی را برای پشتیبانی از «سه قانون مقیاس‌پذیری» مدل‌های بنیادی معرفی کرد. این ساختار با ادغام پردازنده‌های NVIDIA Blackwell و شبکه EFAv4، تلاش می‌کند…

۲ دقیقه خواندن۲
آموزش کاربردی

چرا برای اتصال عامل‌های هوش مصنوعی به ایمیل، SMTP ساده دیگر کافی نیست؟

شرکت Mnexa-AI ابزار e2a را معرفی کرد؛ گیت‌ویی امن که امکان ارسال و دریافت ایمیل با هویت تأییدشده را برای عامل‌های هوش مصنوعی فراهم می‌کند. این سیستم با ترکیب امضاهای HMAC و نظارت…

۳ دقیقه خواندن
آموزش کاربردی

چگونه Agent Memory Guard جلوی مسمومیت حافظه در عامل‌های هوش مصنوعی را می‌گیرد؟

سازمان OWASP ابزاری متن‌باز برای مقابله با «مسمومیت حافظه» در عامل‌های هوش مصنوعی معرفی کرد. این اسکنر دستورات مخربی را که در حافظه بلندمدت ذخیره شده و در جلسات آینده فعال…

۲ دقیقه خواندن۱

Fleet Intelligence: سازوکار جدید انویدیا برای پیش‌بینی خرابی در خوشه‌های GPU

انویدیا سرویس Fleet Intelligence را برای نظارت لحظه‌ای و تأیید اصالت سخت‌افزاری پردازنده‌های گرافیکی در مراکز داده عرضه کرد. این ابزار با شناسایی پیش‌دستانه گلوگاه‌های عملکردی،…

۳ دقیقه خواندن۱