Cloudflare OS: محدودیت ۴۰۹۶ توکنی عامل‌های AI را فلج کرد
اجرای محلی Cloudflare OS با استفاده از Ollama نشان داد که محدودیت‌های پیش‌فرض پنجره متنی باعث حذف خاموش پرامپت‌های سیستمی می‌شود. این نقص فنی منجر به ایجاد حلقه‌های تکرار…
۲۷ دقیقه خواندن۱
دسته‌بندی
تحلیل و بررسی تخصصی
تحلیل‌های عمیق مدل‌ها، مقالات و بنچمارک‌ها — پیش‌چاپ‌ها، ارزیابی‌ها، مدل‌های زبانی پیشرو و پژوهش همراستاسازی.
۵٬۸۱۳ مقاله منتشر شده
سوابق Git در برابر قفل‌های سنتی برای مدیریت عامل‌های AI
یک استقرار گسترده از عامل‌های کوتاه‌مدت هوش مصنوعی با استفاده از پروتکل Git، مشکل تکرار وظایف و «طوفان تصمیم‌گیری» را حل کرده است. این سیستم به‌جای قفل‌های سنتی، از سوابق خوانای…
۱۲ دقیقه خواندن۱
کفایت شواهد در برابر روانی متن؛ تغییر اولویت در سیستم‌های بازیابی
بهینه‌سازی سیستم‌های RAG برای نرخ پاسخ‌دهی بالا، منجر به تولید پاسخ‌های متقاعدکننده اما نادرست در محیط عملیاتی می‌شود. یک برنامه هوش مصنوعی قابل‌اعتماد باید اولویت را از «روانی…
۴ دقیقه خواندن۱
DeepSeek Harness معماری عامل‌های هوش مصنوعی را به مجموعه‌ای از پلاگین‌ها تبدیل
دیپ‌سیک چارچوب متن‌باز DeepSeek Harness (dsh) را برای ساخت عامل‌های هوش مصنوعی معرفی کرد که در آن مدل‌ها، ابزارها و حلقه‌های کنترلی به‌صورت پلاگین‌های قابل تعویض هستند. این سیستم…
۴ دقیقه خواندن۲
قراردادهای JSON در AgentForge خطاهای ارتباطی عامل‌های هوش مصنوعی را متوقف کرد
پلتفرم AgentForge با جایگزینی چت‌های متنی با قراردادهای سخت‌گیرانه JSON، از فروپاشی سیستم‌های چندعاملی جلوگیری می‌کند. این لایهٔ نظارتی مانع از توقف خط تولید داده به دلیل توهمات…
۲ دقیقه خواندن
چرا مقیاس‌پذیری عامل‌های هوش مصنوعی به معماری Loop وابسته است؟
بسیاری از عامل‌های هوش مصنوعی به‌دلیل ساختار خطی در مواجهه با وظایف پیچیده شکست می‌خورند. انتقال به معماری حلقوی به این عامل‌ها اجازه می‌دهد به‌صورت خودکار استدلال کنند، خروجی‌ها…
۴ دقیقه خواندن۱
گزارش فنی: فایل‌های مارک‌داون دقت ارجاعات موتورهای زاینده را بالا بردند
استاندارد جدید llms.txt با ارائه نقشه‌های سایت مبتنی بر مارک‌داون، جایگزین ساختارهای پیچیده HTML برای خزنده‌های AI شده است. این اقدام باعث کاهش مصرف توکن و افزایش دقت ارجاعات در…
۲ دقیقه خواندن۳
حافظه ۲۴ گیگابایتی؛ نقطهٔ ورود واقعی برای اجرای محلی Qwen 3.8 27B
اجرای مدل Qwen 3.8 27B روی سخت‌افزار شخصی نیازمند تعادلی دقیق میان رم سیستم و حافظه گرافیکی است. برای جلوگیری از افت شدید سرعت و خطاهای تولید متن، داشتن یک GPU با ۲۴ گیگابایت VRAM…
۲۰ دقیقه خواندن۳
سندباکس‌های متری‌شده هزینهٔ اجرای عامل‌های هوش مصنوعی را دو برابر کردند
انتقال عامل‌های هوش مصنوعی از محیط محلی به سندباکس‌های ابری، یک ساعت هزینهٔ جدید برای زمان فعال بودن محاسبات ایجاد می‌کند. این ساختار باعث می‌شود بودجه‌های مبتنی بر توکن در برابر…
۴ دقیقه خواندن۴
Nature Medicine: گفتگوهای طولانی با AI ریسک سلامت روان را افزایش داد
یک ممیزی گسترده نشان می‌دهد که چت‌بات‌های هوش مصنوعی در گفتگوهای طولانی حوزه سلامت روان، با تایید بیش از حد باورهای غلط، کاربر را در حلقه‌های خطرناکی از تفکرات آسیب‌زا می‌اندازند.…
۸ دقیقه خواندن۲
بذر پاک در برابر تاریخچه چت‌ها برای جلوگیری از رشد کدهای میرا
عامل‌های کدنویس با تکیه بر مستندات قدیمی و تاریخچه چت‌ها، ناخودآگاه معماری‌های منسوخ را بازتولید می‌کنند. روش «تقطیر پروژه» با استخراج دانش تأییدشده در یک بذر پاک، این چرخه بازگشت…
۷ دقیقه خواندن۳
«نسخه‌بندی Gitگونه»؛ راهکار جدید برای مدیریت حالت در هوش مصنوعی محلی
کتابخانه Rust با نام prolly-map از نقشه‌های مرتب‌شده و محتوا-آدرس‌دهی شده برای ایجاد اسنپ‌شات‌های تغییرناپذیر و ادغام بهینه داده‌ها استفاده می‌کند. این معماری زیرساختی برای مدیریت…
۳۹ دقیقه خواندن