پرش به محتوای اصلی

دسته‌بندی

تحلیل و بررسی تخصصی

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

۵٬۷۸۲ مقاله منتشر شده

امتیاز اعتماد داده: معیار گمشده در سیستم‌های پایش هوش مصنوعی
آموزش کاربردی

امتیاز اعتماد به داده؛ حلقهٔ گمشده در نظارت بر سیستم‌های هوش مصنوعی

مانیتورینگ‌های استاندارد تنها رفتار مدل را رصد می‌کنند و از سلامت داده‌های ورودی غافل‌اند. امتیاز اعتماد به داده با کمی‌سازی منشأ، تازگی و حاکمیت داده‌ها، این شکاف امنیتی را پر…

۳ دقیقه خواندن
نشانگرهای نوشتاری هوش مصنوعی: ساخت مجموعه داده باز و ابزار بررسی در Hugging Face
آموزش کاربردی

جایگزینی درصد احتمال با فهرست الگوهای متنی در تشخیص متون هوش مصنوعی

پروژه متن‌باز ai-writing-markers به‌جای ارائه درصد احتمال تولید متن توسط AI، فهرستی شفاف از الگوهای زبانی و تکرارهای رایج مدل‌ها را ارائه می‌دهد. این ابزار با شناسایی «ردپاهای»…

۹ دقیقه خواندن
باگ بررسی کد هوش مصنوعی: احراز هویت به معنای مجوز دسترسی نیست
آموزش کاربردی

بررسی امنیتی: کدهای AI با اشتباه در مجوزها آسیب‌پذیری BOLA می‌سازند

ابزارهای کدنویسی هوش مصنوعی اغلب احراز هویت را با مجوز دسترسی اشتباه می‌گیرند و باعث ایجاد آسیب‌پذیری BOLA می‌شوند. این خطا به کاربران اجازه می‌دهد با تغییر ساده‌ای در آدرس URL،…

۶ دقیقه خواندن
ابزار پاک‌کننده MCP v0.1.0: تطبیق نمای تأیید MCP با داده‌های واقعی دریافتی مدل
آموزش کاربردی

آیا mcp-tool-sanitizer می‌تواند نفوذ دستورات مخفی در مدل‌های زبانی را متوقف کند؟

یک ابزار متن‌باز جدید از نفوذ دستورات مخفی از طریق نویسه‌های یونیکد در عامل‌های هوش مصنوعی جلوگیری می‌کند. این ابزار تضمین می‌کند آنچه کاربر در نمای تأیید ابزار می‌بیند، دقیقاً…

۳ دقیقه خواندن۱
ممیز امنیتی لاگ هوش مصنوعی: تحلیل خودکار رخدادهای امنیتی سیستم با یادگیری ماشین
آموزش کاربردی

چطور مدل‌های هوش مصنوعی فرآیند ترییاژ لاگ‌های امنیتی را تسریع می‌کنند؟

یک ابزار متن‌باز جدید با استفاده از مدل‌های هوش مصنوعی، زمان بررسی لاگ‌های امنیتی را از ۱۵ دقیقه به چند ثانیه کاهش داده است. این سیستم با خوشه‌بندی ناهنجاری‌ها و پیشنهاد دستورات…

۳ دقیقه خواندن۲
نظر: بازبین هوش مصنوعی شما تنها مرحله خط لوله‌ای است که هیچ‌کس تست نمی‌کند
آموزش کاربردی

تحلیل فنی: رانش خاموش مدل‌های AI نرخ تشخیص باگ را کاهش می‌دهد

بازبین‌های کد مبتنی بر هوش مصنوعی دچار «رانش خاموش» می‌شوند؛ وضعیتی که در آن به‌روزرسانی‌های مدل، نرخ تشخیص خطا را بدون ایجاد هشدار کاهش می‌دهد. راهکار این مشکل، ایجاد یک مجموعه…

۵ دقیقه خواندن۱
متا آرآیی، متاروس را معرفی کرد: یک پروتکل انتقال داده از نوع صفر برای اترنت هوش مصنوعی‌محور

MetaRoCE: انتقال مدیریت ترافیک شبکه از سوئیچ به کارت شبکه برای خوشه‌های AI

متا پروتکل MetaRoCE را معرفی کرد تا با انتقال مسئولیت ترتیب‌بندی بسته‌ها از زیرساخت شبکه به کارت شبکه (NIC)، گلوگاه‌های ارتباطی در خوشه‌های عظیم هوش مصنوعی را حذف کند. این رویکرد…

۵ دقیقه خواندن۳
پایگاه داده گراف دانش توکار تک‌فایل با جستجوی برداری و متنی کامل برای اپلیکیشن‌های هوش مصنوعی/RAG
آموزش کاربردی

LatticeDB جست‌وجوی برداری در مقیاس یک میلیون داده را به ۰.۸۳ میلی‌ثانیه رساند

پایگاه‌داده جدید LatticeDB با ادغام گراف، جست‌وجوی برداری و نمایه‌سازی متنی در یک فایل واحد، نیاز به سرورهای مجزا را حذف می‌کند. این ابزار برای حافظهٔ عامل‌های هوش مصنوعی و…

۱۰ دقیقه خواندن۱
پرنس کوهلی، رئیس و مدیرعامل ساس لبز - مجموعه مصاحبه

۸۰٪ حوادث عملیاتی نرم‌افزار ریشه در کدهای تولیدشده توسط هوش مصنوعی دارد

پرینس کولی، مدیرعامل جدید Sauce Labs، هشدار می‌دهد که سرعت تولید کد توسط هوش مصنوعی از توان تست و اعتبارسنجی شرکت‌ها پیشی گرفته است. این شرکت برای حل این بحران، پلتفرم AURA را…

۸ دقیقه خواندن۲
پنج آزمون برای بررسی نشت یا تبعیت مدل آزاد از افراد ناشناس
آموزش کاربردی

۵ آزمون امنیتی برای شناسایی نشت داده در نقاط اتصال رایگان هوش مصنوعی

نقاط اتصال (Endpoints) رایگان مدل‌های هوش مصنوعی زیرساخت‌هایی عمومی هستند که می‌توانند پرامپت‌های سیستمی را لو دهند یا اجازه استخراج داده‌ها را بدهند. این راهنما ۵ اسکریپت مشخص…

۵ دقیقه خواندن
چرا سیستم‌های RAG توهم می‌زنند حتی وقتی بازیابی درست کار می‌کند
آموزش کاربردی

معماری سیستم در برابر نقص مدل؛ ریشهٔ خطاهای سامانه‌های RAG

بسیاری از شکست‌های سامانه‌های RAG ناشی از معماری سیستم است، نه نقص مدل‌های زبانی. با تبدیل بازیابی به مرحلهٔ «تولید کاندید» و افزودن لایه‌های بازرتبه‌بندی و اعتبارسنجی، می‌توان از…

۸ دقیقه خواندن۱