پرش به محتوای اصلی

دسته‌بندی

تحلیل و بررسی تخصصی

تحلیل‌های عمیق مدل‌ها، مقالات و بنچمارک‌ها — پیش‌چاپ‌ها، ارزیابی‌ها، مدل‌های زبانی پیشرو و پژوهش همراستاسازی.

۵٬۷۶۵ مقاله منتشر شده

معرفی معیار PII-TRACE و ابزار تشخیص اطلاعات هویتی شخصی در دستگاه توسط Perplexity

مدل محلی PII-Tracer در برابر غول‌های ابری؛ پیروزی ثبات بر اندازه

شرکت پرپلکسیتی مدل کوچک و محلی PII-Tracer را برای حذف اطلاعات حساس پیش از ارسال به ابر معرفی کرد. این مدل ۰.۶ میلیارد پارامتری در شناسایی مداوم شناسه‌های خصوصی، ثباتی بسیار بیشتر…

۵ دقیقه خواندن۲
معرفی کلود فیبل ۵.۱ و کلود میتوس ۵.۱

مدل Fable 5.1: کاهش ۴۵ درصدی هزینه‌های عملیاتی عامل‌های هوش مصنوعی

آنتروپیک با معرفی مدل‌های Fable 5.1 و Mythos 5.1، هزینه‌های استنتاج برای گردش‌کارهای پیچیده را به‌شدت کاهش داد. این به‌روزرسانی علاوه بر بهینه‌سازی اقتصادی، قابلیت‌های پیشرفته‌ای…

۱۵ دقیقه خواندن
جلسه MCP 2026-07-28 حذف شد. وضعیت به پنجره زمینه شما منتقل شد.

پروتکل MCP با حذف وضعیت نشست‌ها، مقیاس‌پذیری بدون سرور را ممکن کرد

پروتکل زمینهٔ مدل (MCP) با انتقال مدیریت حافظه از لایه شبکه به پنجرهٔ زمینهٔ مدل، به معماری بدون وضعیت (Stateless) تغییر یافت. این تحول امکان استقرار سرورهای MCP روی پلتفرم‌های…

۵ دقیقه خواندن
کیفیت RAG شما به خوبی شواهدی بستگی دارد که نمایه برداری برداری بازیابی می‌کند.
آموزش کاربردی

انتخاب اشتباه ایندکس برداری باعث شکست RAG در مقیاس بالا می‌شود

بسیاری از توهمات در سامانه‌های RAG نه به دلیل ضعف مدل زبانی، بلکه ناشی از شکست ایندکس برداری در بازیابی شواهد درست هنگام رشد داده‌هاست. انتخاب استراتژی نادرست ایندکسینگ منجر به…

۲ دقیقه خواندن۱
یک تصویر مرجع، هشت اجرای برگه شخصیت، و چیزی که مدل ابداع کرد
آموزش کاربردی

درون معماری Tsubaki.3؛ چرا تصاویر مرجع در مقیاس بالا شکست می‌خورند

آزمون‌های مدل Tsubaki.3 نشان می‌دهد که با افزایش تعداد پنل‌ها در یک تصویر، جزئیات ظریف شخصیت‌ها حذف می‌شوند. این یافته‌ها ثابت می‌کند که مدل‌های تبدیل متن به تصویر با محدودیت…

۵ دقیقه خواندن۱
عامل می‌دانست کار اشتباه است — سیستم اجازه ارسال داد

۸۲.۵٪ از عامل‌های هوش مصنوعی خطاهای خود را می‌بینند اما گزارش می‌دهند

محک‌های جدید نشان می‌دهند عامل‌های هوش مصنوعی قادر به شناسایی خطاهای بحرانی در کارهای خود هستند، اما به دلیل نبود ساختار کنترلی، نتیجهٔ معیوب را تحویل می‌دهند. این شکست نه از…

۱۰ دقیقه خواندن۱
پرپلکسیی محاسبات ترکیبی را با حریم خصوصی محلی روی مک راه‌اندازی کرد

«دروازه حریم خصوصی»؛ رویکرد جدید پراپلسیتی برای مدیریت داده‌های حساس

پراپلسیتی قابلیتی را برای مک معرفی کرد که داده‌های حساس را به‌صورت محلی پردازش می‌کند و تنها برای استدلال و جست‌وجو از ابر استفاده می‌کند. این سامانه با یک «دروازه حریم خصوصی»…

۴ دقیقه خواندن۱
الگوی امنیتی واحد برای ۱۱ آشکارساز: استحکام‌بخشی برنامه‌های LLM با resk-llm
آموزش کاربردی

resk-llm: ۱۱ لایهٔ دفاعی برای سخت‌سازی برنامه‌های FastAPI در برابر حملات LLM

ابزار جدید resk-llm با افزودن یک لایه میان‌افزار به FastAPI، حملات رایج مدل‌های زبانی را فیلتر می‌کند. این ابزار از طریق یک فایل پیکربندی محلی، تزریق پرامپت و نشت داده‌های حساس را…

۴ دقیقه خواندن۱
کدنویسی رو به جلو است. اشکال‌زدایی رو به عقب.
آموزش کاربردی

حلقهٔ بازتولید خطا؛ حلقهٔ مفقوده در شکست عامل‌های عیب‌یابی هوش مصنوعی

بسیاری از عامل‌های کدنویس هوش مصنوعی به دلیل رویکرد خطی «ایده به کد» در عیب‌یابی شکست می‌خورند. برای رفع واقعی باگ‌ها، مدل باید ابتدا بتواند خطا را بازتولید کند تا وصله‌های…

۳ دقیقه خواندن۴