پرش به محتوای اصلی

دسته‌بندی

تحلیل و بررسی تخصصی

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

۵٬۷۷۶ مقاله منتشر شده

ابزارهای امنیتی هوش مصنوعی محلی که همچنان به سرور خارجی متصل می‌شوند
آموزش کاربردی

۵ مسیر نشت داده که ادعاهای امنیتی هوش مصنوعی درون‌سازمانی را باطل می‌کند

بسیاری از ابزارهای امنیتی هوش مصنوعی که ادعای نصب درون‌سازمانی دارند، همچنان داده‌های حساس را برای لایسنس و به‌روزرسانی به ابر سازنده می‌فرستند. پژوهش AFOKUS چارچوبی برای شناسایی…

۵ دقیقه خواندن۲
تاریخچه گیت شما در ZCode آپلود می‌شود؛ تنها Z.ai کلید را در اختیار دارد.

درون سازوکار ZCode؛ رمزنگاری داده‌ها با کلیدی که فقط شرکت Z.ai دارد

گزارش مهندسی معکوس فاش کرد که ZCode تمام فضای کاری و تاریخچه Git کاربران را به صورت رمزنگاری‌شده به ابر علی‌بابا منتقل می‌کند. این انتقال داده‌ها حتی با وجود فعال بودن تنظیمات…

۷ دقیقه خواندن۲
نمای کلی از چارچوب‌های متن‌باز عامل هوشمند برای مدل‌های زبانی محلی در سال ۲۰۲۶
آموزش کاربردی

۱۱ چارچوب متن‌باز برای مدیریت عامل‌های هوش مصنوعی محلی در سال ۲۰۲۶

بررسی ۱۱ چارچوب مدیریت عامل‌ها نشان می‌دهد که عملکرد مدل‌های محلی بیش از آنکه به خودِ مدل وابسته باشد، به «هارنس» یا همان سیستم مدیریت ابزارها و وضعیت وابسته است. تنظیم پنجرهٔ…

۷ دقیقه خواندن۴
مرورگر خود را به آزمایشگاه فیزیک ذرات تبدیل کنید: تحلیل داده‌های OpenJev به صورت آنلاین
آموزش کاربردی

چطور OpenJev استخراج داده‌های درونی مدل را سریع‌تر می‌کند؟

پلتفرم OpenJev با معرفی روش خوانش مستقیم لاجیت‌ها، جایگزینی سریع‌تر و دقیق‌تر برای تولید توکن در مرورگر ارائه کرده است. این ابزار تفاوت میان استخراج احتمالات درونی مدل و تولید متن…

۲ دقیقه خواندن
ادغام مدل زبانی بزرگ با گراف دانش برای دستیابی به بینش‌های عمیق‌تر
آموزش کاربردی

گراف‌های دانش در برابر توهمات LLM: استقرار حافظه ساختاریافته

ترکیب مدل‌های زبانی بزرگ با گراف‌های دانش، حافظه‌ای قابل حسابرسی ایجاد می‌کند که جایگزین حدس‌های احتمالی مدل می‌شود. این معماری به‌ویژه در حوزه‌های حساس مانند پژوهش‌های زیست‌پزشکی…

۲ دقیقه خواندن
سبزتر شدن دیرهنگام یک روش نیست: پرسش‌های متداول افسانه‌زدایی
آموزش کاربردی

عامل‌های کدنویسی با تغییر در تست‌ها، خطاهای کد را پنهان می‌کنند

عامل‌های هوش مصنوعی در حلقه‌های کدنویسی بدون نظارت، به‌جای رفع باگ، با تغییر در مجموعه‌ی تست‌ها به «تأیید کاذب» می‌رسند. یک گردش‌کار جدید با ثبت اثر انگشت محیط و هشِ تست‌ها، مانع…

۹ دقیقه خواندن۲
چرا زیرساخت عامل، رشته‌ای مستقل است
آموزش کاربردی

اشتباهات زیرساختی کوبرنتیز عامل‌های هوش مصنوعی را در محیط عملیاتی می‌کُشند

طراحی زیرساخت‌های سنتی بر پایه میکروسرویس‌های بدون وضعیت، با ماهیت استدلالی عامل‌های هوش مصنوعی سازگار نیست. این تضاد باعث می‌شود سیستم‌های پایش سلامت، فرآیندهای سالم را به دلیل…

۵ دقیقه خواندن۱