چرا IdPهای سازمانی در اتصال به سرورهای MCP شکست می‌خورند؟
یک پروکسی جدید به نام mcp-auth-adapter امکان اتصال سرورهای MCP به سرویس‌های احراز هویت سازمانی مثل Okta را فراهم می‌کند. این ابزار با ساده‌سازی فرآیند ثبت‌نام و فیلتر کردن…
۲ دقیقه خواندن۱
دسته‌بندی
تحلیل و بررسی تخصصی
تحلیل‌های عمیق مدل‌ها، مقالات و بنچمارک‌ها — پیش‌چاپ‌ها، ارزیابی‌ها، مدل‌های زبانی پیشرو و پژوهش همراستاسازی.
۵٬۷۸۷ مقاله منتشر شده
گزارش ofox.ai: فاصله کدنویسی Qwen 3.6 و Claude Opus به ۳.۶٪ رسید
مدل محلی Qwen 3.6 27B اکنون در بنچمارک SWE-bench Verified تنها ۳.۶ درصد با Claude Opus 4.6 فاصله دارد. برای توسعه‌دهندگانی که هزینه‌های بالای API دارند، خرید یک GPU RTX 4090 در…
۲ دقیقه خواندن۳
DeepSeek-V4 در برابر Claude: عملکرد هم‌تراز با هزینه‌ای ۳۰ برابر کمتر
مدل DeepSeek-V4 با ارائه استدلال‌های سطح پیشرو و پنجره متنی یک میلیون توکنی، شکاف بین مدل‌های وزن‌باز و تجاری را از بین برد. این مدل در بنچمارک‌های کلیدی با Claude Opus 4.6-Max…
۲ دقیقه خواندن۴
محرومیت یک‌ساله در Arxiv؛ هزینهٔ ارجاعات جعلی و توهمات هوش مصنوعی
پلتفرم Arxiv نویسندگانی را که محتوای تأییدنشده‌ی هوش مصنوعی (مانند ارجاعات جعلی) ارسال کنند، برای یک سال محروم می‌کند. این تصمیم در پاسخ به حجم بالای محتوای بی‌کیفیت و تلاش برای…
۲ دقیقه خواندن
گزارش Metabase: نرخ کشف باگ‌های امنیتی با هوش مصنوعی ۱۰ برابر شد
عامل‌های کدنویس مبتنی بر هوش مصنوعی در حال شکار گسترده‌ی حفره‌های امنیتی در مخازن متن‌باز هستند. این روند باعث شده برخی شرکت‌ها برای فرار از چرخه‌ی بی‌پایان اصلاح باگ، مدل‌های خود…
۲ دقیقه خواندن۱
چگونه whichllm انتخاب مدل‌های محلی را از حدس و گمان به داده تبدیل کرد؟
ابزار جدید whichllm با اولویت دادن به بنچمارک‌های واقعی به‌جای تعداد پارامترها، بهترین مدل محلی را برای سخت‌افزار شما پیشنهاد می‌دهد. این ابزار مشخصات GPU و CPU را شناسایی کرده و…
۲ دقیقه خواندن۲
چرا Anthropic برای مدیریت کدهای میلیونی، سیستم RAG را کنار گذاشت؟
شرکت Anthropic در حال جایگزینی سیستم‌های مبتنی بر بردار با «جست‌وجوی عامل‌محور» برای مدیریت مخازن عظیم کد است. در این رویکرد جدید، موفقیت مدل نه به قدرت خام، بلکه به زیرساخت‌های…
۳ دقیقه خواندن۱
چرا برای عیب‌یابی عامل‌های هوش مصنوعی، مدل‌های پیچیده بدترین انتخاب هستند؟
سیستم‌های مبتنی بر قانون در شناسایی خطاهای عامل‌های هوش مصنوعی بسیار دقیق‌تر و ارزان‌تر از مدل‌های زبانی بزرگ هستند. ابزار Pisama در بنچمارک TRAIL به دقت ۶۰.۱٪ رسید، در حالی که…
۳ دقیقه خواندن۱
درون قرارداد Anthropic و SpaceX برای تصاحب ۲۲۰ هزار پردازنده گرافیکی
شرکت Anthropic برای دسترسی به کلاستر محاسباتی Colossus 1 با SpaceX وارد شراکت شد. این توافق باعث دو برابر شدن سقف استفاده از Claude Code و افزایش نرخ درخواست‌های API برای مدل…
۲ دقیقه خواندن۱
پلتفرم Nautilus: ۹۷٪ از عامل‌های هوش مصنوعی طی ۷۲ ساعت غیرفعال شدند
گزارش تشخیصی پلتفرم Nautilus نشان می‌دهد ۹۷٪ از عامل‌های خودگردان در کمتر از سه روز متوقف شده‌اند. بقای این سیستم‌ها را نه هوش مدل، بلکه تداوم استفاده از ابزارها و ادغام اقتصادی…
۲ دقیقه خواندن۲
تحلیل ۵۳۵۶ مقاله ICLR ۲۰۲۶: چرا نباید به پروفایل نویسندگان اعتماد کرد؟
یک خط لوله متن‌باز با استخراج وابستگی‌های سازمانی از ۵۳۵۶ مقاله ICLR ۲۰۲۶، مشکل «انحراف پروفایل» را حل کرد. این ابزار به جای تکیه بر پروفایل نویسندگان، مستقیماً PDFها را تحلیل…
۲ دقیقه خواندن۱
چگونه DS4 مدل‌های پیشرو هوش مصنوعی را روی سخت‌افزار خانگی ممکن کرد؟
ابزار جدیدی به نام DS4 امکان اجرای مدل‌های پیشرو هوش مصنوعی را روی سخت‌افزارهای مصرف‌کننده با ۱۲۸ گیگابایت رم فراهم می‌کند. این سیستم با استفاده از یک روش خاص کوانتیزاسیون، شکاف…
۲ دقیقه خواندن۱