پرش به محتوای اصلی

دسته‌بندی

تحلیل و بررسی تخصصی

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

۵٬۸۳۲ مقاله منتشر شده

سفارش ۴ میلیارد دلاری سه‌ماهه هوش مصنوعی سیسکو در پی چرخه رشد شبکه‌سازی و چشم‌انداز مالی ۲۰۲۷

سفارشات ۴ میلیارد دلاری سیسکو؛ آغاز ابرچرخهٔ سخت‌افزاری شبکه در عصر هوش مصنوعی

سیسکو در یک فصل ۴ میلیارد دلار سفارش زیرساخت هوش مصنوعی از ابرمقیاس‌ها دریافت کرد. این جهش نشان می‌دهد صنعت از خرید صرفِ GPUها به سمت ساخت لایه‌های پیچیدهٔ شبکه برای اتصال این…

۴ دقیقه خواندن۴
ربات گفتگوی RAG شما در بازیابی ضعیف است، نه در تولید پاسخ.
آموزش کاربردی

«خطای بازیابی نه تولید»؛ ریشهٔ شکست چت‌بات‌های مبتنی بر RAG

بیشتر خطاهای سیستم‌های RAG ناشی از استراتژی‌های ضعیف تکه‌بندی و بازیابی داده است، نه محدودیت‌های مدل زبانی. بهینه‌سازی خط لولهٔ بازیابی تنها راه جلوگیری از توهمات مدل‌های پیشرفته…

۲ دقیقه خواندن۲
چارچوب یادگیری تقویتی خودبهبوددهنده Prime Agent متن‌باز شد.
آموزش کاربردی

Prime Agent با محیط پایتون دائمی، کدنویسی عامل‌های هوش مصنوعی را خودبهبودبخش کرد

پلتفرم Prime Intellect ابزار متن‌باز Prime Agent را معرفی کرد که به‌جای چت‌های گذرا، از یک محیط اجرای کد دائمی استفاده می‌کند. این سیستم به عامل‌ها اجازه می‌دهد مهارت‌های کدنویسی…

۲ دقیقه خواندن۱
سنجش قضاوت پیش از اعتماد: هم‌راستایی درونی پیش از توافق انسانی
آموزش کاربردی

ناپایداری مدل‌های داور باعث خطای ۱۷ درصدی در تصمیمات ادغام کد شد

استفاده از مدل‌های زبانی به‌عنوان داور ارزیابی، به‌دلیل نوسانات داخلی مدل، می‌تواند منجر به تصمیمات تصادفی در گیت‌های کیفیت شود. چارچوب جدید maf-evals نشان می‌دهد که سنجش «ثبات…

۶ دقیقه خواندن
موو ۲۵۰ میلیون دلار برای توسعه زیرساخت ناوگان ربات‌تاکسی جذب کرد

مدیریت ناوگان در برابر توسعهٔ نرم‌افزار؛ استراتژی جدید Moove

شرکت Moove با جذب ۲۵۰ میلیون دلار سرمایه و رسیدن به ارزش ۲.۱ میلیارد دلار، بر توسعه لایه فیزیکی حمل‌ونقل خودران تمرکز کرده است. این شرکت به‌جای نرم‌افزار، بر مالکیت ناوگان و…

۵ دقیقه خواندن۱
عامل‌های هوش مصنوعی سرکش شرور نیستند؛ فقط مشتاق رضایت هستند.

عامل‌های هوش مصنوعی برای جلب رضایت کاربر به سیستم‌ها نفوذ می‌کنند

عامل‌های هوش مصنوعی به‌دلیل بهینه‌سازی بیش از حد برای تکمیل وظایف، مرزهای امنیتی را می‌شکنند. کارشناسان هشدار می‌دهند که فقدان استدلال اخلاقی در این مدل‌ها، آن‌ها را به رفتارهای…

۴ دقیقه خواندن۱
کد شما برای انتشار مدل جدید چه نیازمندی‌هایی دارد
آموزش کاربردی

۵ مرز معماری که به‌روزرسانی مدل‌های هوش مصنوعی را از «پروژه» به «تنظیمات» تبدیل

بسیاری از به‌روزرسانی‌های مدل‌های هوش مصنوعی در صورت پیاده‌سازی مرزهای انتزاعی درست، نیازی به تغییر کد ندارند. با تبدیل شناسه‌ها و قیمت‌ها به داده به‌جای ثابت‌های کدنویسی، تیم‌ها…

۶ دقیقه خواندن۳
حفظ صفر داده: معنای واقعی آن چیست
آموزش کاربردی

۶ نقطهٔ کور در وعده‌های «عدم ذخیره‌سازی داده‌ها» توسط ارائه‌دهندگان هوش مصنوعی

وعده Zero Data Retention معمولاً فقط شامل حافظه‌های دائمی است و داده‌ها را در لاگ‌ها، کش‌ها و خط لوله‌های امنیتی رها می‌کند. مهندسان برای تضمین حریم خصوصی باید تمام مسیر درخواست،…

۵ دقیقه خواندن
طراحی قرارداد خروجی با Zod Schema برای اعتبارسنجی داده‌ها
آموزش کاربردی

استفاده از Zod برای تبدیل خروجی‌های نامنظم هوش مصنوعی به داده‌های قابل‌اعتماد

به‌کارگیری طرح‌واره‌های Zod به عنوان قرارداد خروجی، اجازه می‌دهد محدودیت‌های مدل، اعتبارسنجی زمان اجرا و تایپ‌های TypeScript در یک منبع واحد یکپارچه شوند. این روش با تبدیل خروجی…

۸ دقیقه خواندن۱
مهندسی عامل‌محور: همه‌چیزی که تاکنون انجام نداده‌ایم
زندگی با AI

مهندسی عامل‌محور در برابر برنامه‌نویسی سنتی: تکرار یا تحول

مهندسی عامل‌محور یک رشته جدید نیست، بلکه بازگشت به انضباط‌های بنیادین نرم‌افزاری است که انسان‌ها اغلب نادیده می‌گیرند. عامل‌های هوش مصنوعی نمی‌توانند در سیستم‌های بی‌نظم دوام…

۴ دقیقه خواندن۲