پرش به محتوای اصلی

دسته‌بندی

تحلیل و بررسی تخصصی

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

۵٬۸۰۵ مقاله منتشر شده

مهندسی زمینه برای عامل‌های هوش مصنوعی: ~۸۰٪ توکن کمتر، رفع overload ابزارها، بازیابی معنایی و BM25، افشای تدریجی، بدون پایگاه
آموزش کاربردی

افشای تدریجی در Ratel چگونه نیاز به حافظه‌های برداری را حذف می‌کند؟

لایه مهندسی زمینه Ratel با استفاده از مکانیزم «افشای تدریجی»، بار توکن‌های ورودی را ۸۰٪ کاهش می‌دهد. این ابزار با تزریق ابزارهای مورد نیاز در لحظه، نیاز به پایگاه‌داده‌های برداری…

۴ دقیقه خواندن
هوش مصنوعی مولد: فاجعه‌ای مهندسی

بحران جهانی حافظه؛ پیامد مستقیم مقیاس‌دهی «به‌زور» در هوش مصنوعی

مقیاس‌دهی ناکارآمد مدل‌های هوش مصنوعی زاینده باعث جهش قیمت حافظه و سخت‌افزار در سطح جهان شده است. کارشناسان هشدار می‌دهند که تقاضای شدید منابع ممکن است تا سال ۲۰۲۸ رایانه‌های…

۸ دقیقه خواندن۲
مخزن گیت‌هاب agent-talk: امکان همکاری عامل‌های کدنویسی
آموزش کاربردی

agent-talk؛ پیام‌رسار رمزنگاری‌شده برای هماهنگی مستقل عامل‌های کدنویسی

پلاگین متن‌باز agent-talk امکان تبادل پیام مستقیم بین عامل‌های هوش مصنوعی در جلسات و دستگاه‌های مختلف را فراهم می‌کند. این ابزار با حذف نیاز به کپی-پیست دستی دستورات توسط…

۱۲ دقیقه خواندن۲
ساخت عامل‌های مقیاس‌پذیر هوش مصنوعی با ترجمه ماژولار پرامپت
آموزش کاربردی

«تبدیل پرامپت به آثار تدوین‌شده»؛ راهکار گوگل برای اعتبارسنجی خودکار

مهندسان گوگل برای رفع شکست‌های مقیاس‌پذیری در عامل‌های هوش مصنوعی، روشی برای تبدیل پرامپت‌ها از متن‌های ایستا به آثار تدوین‌شده (Build Artifacts) پیشنهاد داده‌اند. این رویکرد با…

۵ دقیقه خواندن۳
ابر گوگل مدل‌های هوش مصنوعی تخصصی برای علوم ارائه می‌دهد

مدل‌های تخصصی علمی در برابر رویکردهای همه‌منظوره در Vertex AI

گوگل کلاود با عرضه مجموعه‌ای از مدل‌های تخصصی برای زیست‌شناسی، علم مواد و اقلیم در Vertex AI، از رویکرد مدل‌های همه‌منظوره فاصله گرفت. هدف این اقدام فراهم کردن نتایج علمی قابل…

۱۰ دقیقه خواندن
عنوان مقاله: «چرا گروه‌بندی عامل‌های هوشمند باعث می‌شود نامه‌های یکدیگر را بخوانند»

متن جایگزین تصویر: نمودار گروه‌بندی عامل
آموزش کاربردی

n8n نشت داده‌های خصوصی در عامل‌های هوش مصنوعی دسته‌ای را رفع کرد

یک باگ بحرانی در پردازش دسته‌ای n8n باعث می‌شد تاریخچه گفتگوهای کاربران مختلف با یکدیگر ترکیب شود. این مشکل که منجر به تخریب خاموش داده‌ها می‌شد، از طریق سیستم برچسب‌گذاری و فیلتر…

۷ دقیقه خواندن۱
نمودار: یکپارچه‌سازی GAUNTLEX در CI/CD برای تضمین انطباق HIPAA و FINRA
آموزش کاربردی

GAUNTLEX خطاهای رگولاتوری را به تست‌های خودکار در خط لوله CI تبدیل کرد

ابزار تخصصی GAUNTLEX الزامات قانونی HIPAA و FINRA را به تست‌های کد قابل اجرا تبدیل می‌کند. این سامانه با مسدود کردن ادغام کدهای متخلف، بازرسی‌های دستی فصلانه را با نظارت لحظه‌ای…

۳ دقیقه خواندن۲
رتبه اول NVIDIA Nemotron 3 Embed در بنچمارک RTEB برای بازیابی عامل‌محور
آموزش کاربردی

Nemotron 3 Embed چگونه دقت گردش‌کارهای عامل‌محور را افزایش می‌دهد؟

انویدیا مجموعه‌ای از مدل‌های بردار معنایی با وزن‌های باز را برای کاهش هزینه‌های توکن و افزایش دقت در گردش‌کارهای عامل‌محور منتشر کرد. مدل پرچم‌دار ۸ میلیاردی این مجموعه در حال…

۹ دقیقه خواندن
استارت‌آپ موراتی مدل ۹۷۵ میلیارد پارامتری Inkling را معرفی کرد؛ پیشتاز آمریکا اما عقب‌تر از چین

میرا موراتی: Inkling در عملیات‌های عامل‌محور از رقبای داخلی پیشی گرفت

استارتاپ جدید میرا موراتی مدل ۹۷۵ میلیارد پارامتری Inkling را منتشر کرد که در کارهای agentic از رقبای آمریکایی پیشی گرفته است. این مدل علیرغم برتری در وظایف عملیاتی، همچنان در دقت…

۴ دقیقه خواندن۱
لاگ‌های حسابرسی هوش مصنوعی وقتی واقعیت‌ها تغییر می‌کنند از کار می‌افتند
آموزش کاربردی

«شکست در بازسازی تصمیمات»؛ نقطه ضعف لاگ‌های فعلی در مواجهه با تغییرات

لاگ‌های فعلی عامل‌های هوش مصنوعی در صورت تغییر داده‌های منبع، قادر به بازسازی دلیل تصمیمات گذشته نیستند. Lians با تفکیک زمان رویداد، زمان اعتبار و زمان سیستم، معماری جدیدی برای…

۳ دقیقه خواندن