تازه‌ترین اخبار
هر چیزی که در دات‌هوش منتشر شده، به ترتیب زمان. تازه‌های کمتر از یک ساعت با نشانک زنده مشخص شده‌اند.
- ۱۹۲۱
آموزش کاربردی۶ دلیل خطا در تخمین هزینه مدل‌های زبانی بزرگ
جداول قیمت‌گذاری استاندارد مدل‌های زبانی اغلب با نادیده گرفتن تفاوت‌های توکن‌سازی و نرخ‌های تبدیل چندوجهی، تخمین‌های بودجه را به شدت خطا می‌برند. تحلیل واقعی هزینه نیازمند تست تجربی روی داده‌های واقعی است، نه تکیه بر لیست‌های رتبه‌بندی استاتیک.
۱ مهر ۱۴۰۵۴ دقیقه خواندن - ۱۹۲۲
آموزش کاربردیمعماری تفکیک‌شده در برابر حلقه‌های یکپارچه برای مدیریت امن عامل‌های AI
یک الگوی معماری جدید پیشنهاد می‌دهد که حلقه‌های کاری عامل‌های هوش مصنوعی به دو مسیر مجزای «برنامه‌ریزی» و «اجرا» تقسیم شوند. این رویکرد با ایزوله‌کردن ابزارهای تغییردهنده، از اجرای تصادفی دستورات تخریبی در محیط‌های رایانشی مشترک و ناامن جلوگیری می‌کند.
۱ مهر ۱۴۰۵۸ دقیقه خواندن - ۱۹۲۳
آموزش کاربردی«فراتر از رابط کاربری»؛ رویکرد جامع ToolJet در طراحی اپلیکیشن
پلتفرم ToolJet نشان داد که چگونه می‌توان با یک پرامپت جامع، یک اپلیکیشن عملیاتی برای مدیریت چیدمان انبار شامل مدل‌های داده و سیستم بررسی قوانین زنده ایجاد کرد. این رویکرد فراتر از تولید رابط کاربری ساده است و دیتابیس، کوئری‌ها و بوم طراحی را به صورت یکپارچه متصل می‌کند.
۱ مهر ۱۴۰۵۹ دقیقه خواندن - ۱۹۲۴
تحلیل و بررسی تخصصی«پایان دروغ‌های عامل‌های خودکار»؛ رویکرد جدید COGEXT در انتقال وضعیت
زیرساخت جدیدی به نام COGEXT با اجباری کردن انتقال وضعیت بر اساس شواهد، مانع از ادعاهای دروغین عامل‌های خودکار دربارهٔ تکمیل وظایف می‌شود. این لایه با تبدیل تعهدات به داده‌های قابل ردیابی، مشکل عدم تطابق بین قصد عامل و نتیجهٔ واقعی را حل می‌کند.
۱ مهر ۱۴۰۵۹ دقیقه خواندن - ۱۹۲۵
اخبار کوتاه روزانهقرارداد Crusoe Cloud: ۶۵ میلیون دلار برای استقرار مدل‌های Thinking Machines
آزمایشگاه Thinking Machines Lab قراردادی سالانه به ارزش ۶۵ میلیون دلار با Crusoe Cloud امضا کرد تا مدل‌های عظیم خود را روی سیستم‌های NVIDIA B200 اجرا کند. این همکاری بر افزایش توان عملیاتی مدل‌های خانواده Inkling و GLM در مقیاس صنعتی تمرکز دارد.
۱ مهر ۱۴۰۵۴ دقیقه خواندن - ۱۹۲۶
اخبار کوتاه روزانهآمازون: تبدیل دستیار فروش از چت‌بات به عاملِ خودکار در پس‌زمینه
آمازون با معرفی افزونه‌ای برای Claude و Amazon Quick، امکان مدیریت داده‌های فروش را مستقیماً از طریق عامل‌های هوش مصنوعی فراهم کرد. این به‌روزرسانی ابزار دستیار فروش را از یک چت‌بات ساده به عاملی تبدیل می‌کند که می‌تواند گردش‌های کاری را به‌صورت خودکار و در پس‌زمینه اجرا کند.
۱ مهر ۱۴۰۵۴ دقیقه خواندن - ۱۹۲۷
اخبار کوتاه روزانهبهینهسازی برای ماشین؛ دلیل افت کیفیت نوشتاری در مدل‌های جدید Claude
مهندسان آنتروپیک فاش کردند که مدل‌های جدید کلود به‌دلیل تمرکز بر ریاضیات و کدنویسی، لحنی «ماشین‌محور» پیدا کرده‌اند. این تغییر باعث شده است مدل‌ها به‌جای انسان، برای سایر هوش‌های مصنوعی بنویسند و کیفیت زبان طبیعی کاهش یابد.
۱ مهر ۱۴۰۵۲ دقیقه خواندن - ۱۹۲۸
تحلیل و بررسی تخصصیشکاف کالیبراسیون در مدل Jev؛ چرا امتیازات اطمینان در محیط عملیاتی شکست می‌خورند؟
تحلیل‌های فنی نشان می‌دهد مدل Jev شرکت TypeSafe نمی‌تواند احتمالات کالیبره‌شده را در توزیع‌های مختلف داده‌های کاربر حفظ کند. مهندسان باید امتیازات این مدل را به‌جای احتمال مطلق، به‌عنوان رتبه‌بندی (Ranking) در نظر بگیرند.
۱ مهر ۱۴۰۵۳ دقیقه خواندن - ۱۹۲۹
اخبار کوتاه روزانهیوتیوب کنترل الگوریتم توصیه‌ها را با پرامپت‌های Gemini به کاربر داد
یوتیوب قابلیت «فیدهای سفارشی» را معرفی کرد که به کاربران اجازه می‌دهد با زبان طبیعی، الگوریتم توصیه‌گر خود را طراحی کنند. این ابزار که توسط مدل Gemini قدرت گرفته، امکان ایجاد تب‌های مجزا برای حالات روحی یا نیازهای خاص را فراهم می‌کند.
۱ مهر ۱۴۰۵۳ دقیقه خواندن - ۱۹۳۰
آموزش کاربردیکانتینرهای داکر برای مهار عامل‌های هوش مصنوعی امن نیستند
یک حادثه امنیتی در سیستم‌عامل فدورا نشان داد که کانتینرهای استاندارد داکر نمی‌توانند مانع از عملیات تخریبی عامل‌های خودمختار روی سیستم میزبان شوند. متخصصان هشدار می‌دهند که کانتینرها ابزاری برای بسته‌بندی هستند، نه مرزی امنیتی برای بارهای کاری غیرقطعی هوش مصنوعی.
۱ مهر ۱۴۰۵۴ دقیقه خواندن - ۱۹۳۱
آموزش کاربردیلایه معنایی دستی؛ گلوگاه جدید عامل‌های هوش مصنوعی در مقیاس صنعتی
سیستم‌های سنتی مدیریت داده مانند LookML و dbt به‌دلیل اتکای شدید به تعریف دستی متریک‌ها، سرعت عمل عامل‌های هوش مصنوعی را محدود می‌کنند. برای مقیاس‌پذیری واقعی، صنعت باید از لایه‌های معنایی دستی به سمت سیستم‌های کامپایل‌شده حرکت کند.
۱ مهر ۱۴۰۵۲ دقیقه خواندن - ۱۹۳۲
آموزش کاربردیAegisGate با گیت‌وی ۷ لایه خلأ امنیتی پروتکل MCP را پر کرد
پروتکل زمینه مدل (MCP) با رشد سریع، فاقد مکانیسم اجرایی برای امنیت است و هزاران پیاده‌سازی را در معرض خطر قرار داده است. AegisGate با معرفی یک گیت‌وی امنیتی، الزامات سخت‌گیرانه پروتکل را اجرا کرده و با تحلیل زنجیره‌ای، جلوی حملات ارتقای سطح دسترسی را می‌گیرد.
۱ مهر ۱۴۰۵۱۱ دقیقه خواندن - ۱۹۳۳
زندگی با AIمشکل انباشت داده در حافظه هوش مصنوعی؛ چرا مدل‌ها باید فراموش کنند؟
سیستم‌های فعلی هوش مصنوعی بر یادآوری مطلق تمرکز کرده‌اند، اما نبود قابلیت فراموشی انتخابی باعث «آلودگی زمینه» می‌شود. حل این مشکل برای مدیریت بهینه حافظه در مدل‌های زاینده حیاتی است.
۱ مهر ۱۴۰۵۴ دقیقه خواندن - ۱۹۳۴
آموزش کاربردی۲ شرط اصلی برای تحقق هوش مصنوعیِ HIPAA-Compliant در پزشکی دقیق
زیرساخت‌های ابری خصوصی مرزهای امنیتی لازم برای پردازش داده‌های حساس ژنومیک و بالینی را فراهم می‌کنند. با این حال، انطباق با استانداردهای HIPAA نیازمند ترکیبی از تدابیر فنی و سیاست‌های اداری است، نه صرفاً میزبانی امن.
۱ مهر ۱۴۰۵۴ دقیقه خواندن - ۱۹۳۵
آموزش کاربردیردیابی سطری در برابر معیارهای تأخیری برای شناسایی خطاهای کوئری
بسیاری از ابزارهای نظارت بر هوش مصنوعی تنها بر معیارهای ظاهری مثل تأخیر تمرکز می‌کنند و خطاهای منطقی در کوئری‌ها را نمی‌بینند. رویکرد جدید مبتنی بر مهندسی قابلیت اطمینان سایت (SRE)، امکان بازرسی لحظه‌ای داده‌های جاری در هر فراخوانی ابزار را فراهم می‌کند.
۱ مهر ۱۴۰۵۸ دقیقه خواندن - ۱۹۳۶
اخبار کوتاه روزانهکاهش قیمت‌های علی‌بابا چه تأثیری بر رقابت مدل‌های صوتی دارد؟
علی‌بابا با معرفی مجموعه مدل‌های Qwen-Audio-3.1، قیمت‌های سرویس‌های صوتی خود را به‌شدت کاهش داد. این اقدام هم‌زمان با برنامه‌ای برای ساخت مدلی با ۱۰ تریلیون پارامتر صورت می‌گیرد.
۱ مهر ۱۴۰۵۱ دقیقه خواندن - ۱۹۳۷
آموزش کاربردیدرون پلتفرم دانش Stripe؛ زیرساختی برای مدیریت خطای داده‌های مالی
استرایپ یک پلتفرم تخصصی هوش مصنوعی برای توسعه‌دهندگان ساخته است تا عامل‌های هوشمند بتوانند داده‌های پیچیده مالی را بدون خطا مدیریت کنند. تمرکز این سیستم بر تبدیل مستندات ایستا به دستورالعمل‌های اجرایی برای عامل‌هاست.
۱ مهر ۱۴۰۵۱ دقیقه خواندن - ۱۹۳۸
آموزش کاربردی«جلوگیری از خطاهای فاجعه‌بار»؛ هدف پلتفرم متن‌باز safe-upgrade
پلتفرم Tenuo ابزار متن‌باز safe-upgrade را برای به‌روزرسانی امن وابستگی‌ها معرفی کرد. این سیستم با تفکیک «قضاوت» از «اختیار اجرا»، مانع از دسترسی‌های غیرمجاز و خطاهای فاجعه‌بار عامل‌ها می‌شود.
۱ مهر ۱۴۰۵۷ دقیقه خواندن - ۱۹۳۹
آموزش کاربردی«تبدیل متن به عدد»؛ رویکرد Jevper برای طبقه‌بندی دقیق داده‌ها
کتابخانه متن‌باز Jevper با تبدیل پاسخ‌های متنی مدل‌های زبانی به امتیازات اطمینان و احتمالات ساختاریافته، امکان طبقه‌بندی دقیق داده‌ها را فراهم می‌کند. این ابزار با پشتیبانی از بک‌اندهای سازگار با OpenAI، از توهمات مدل در اعلام درصد اطمینان جلوگیری می‌کند.
۱ مهر ۱۴۰۵۶ دقیقه خواندن - ۱۹۴۰
آموزش کاربردیNemotron 3 چگونه استاندارد شناسایی گوینده در VoiceArena را تغییر داد؟
انویدیا مدل Nemotron 3 Diarization را با وزن‌های باز منتشر کرد که می‌تواند تا ۸ گوینده را در زمان واقعی شناسایی کند. این مدل با کاهش میانگین ۴۱ درصدی نرخ خطا در ۸ محک مختلف، اکنون رتبه نخست جدول VoiceArena را در اختیار دارد.
۱ مهر ۱۴۰۵۱۴ دقیقه خواندن - ۱۹۴۱
اخبار کوتاه روزانهگزارش Workera: ۶۸٪ کارکنان از هوش مصنوعی استفاده می‌کنند اما زمان آموزش ندارند
شکاف عمیقی میان پذیرش ابزارهای هوش مصنوعی و آموزش رسمی کارکنان ایجاد شده است. در حالی که استفاده از این ابزارها ۳۰٪ رشد داشته، بیش از نیمی از کارکنان زمان لازم برای یادگیری مهارت‌های جدید را در ساعات کاری ندارند.
۱ مهر ۱۴۰۵۶ دقیقه خواندن - ۱۹۴۲
آموزش کاربردیتنظیمات حریم خصوصی Claude Code دسترسی به دستورالعمل‌های محلی را مسدود می‌کند
بررسی‌های فنی نشان می‌دهد غیرفعال کردن تلمتری در نسخه ۲.۱.۲۸۰ ابزار Claude Code باعث نادیده گرفته شدن فایل‌های AGENTS.md می‌شود. این نقص باعث می‌شود کاربران به اشتباه تصور کنند مدل در پیروی از دستورات ناتوان است، در حالی که قابلیت مذکور توسط یک سوئیچ سروری کنترل می‌شود.
۱ مهر ۱۴۰۵۴ دقیقه خواندن - ۱۹۴۳
اخبار کوتاه روزانهرابطهای کاربری هوش مصنوعی بر قدرت مدل‌ها پیشی گرفتند
یافته‌های جدید گوگل، استنفورد و TypeSafe نشان می‌دهد هوش مصنوعی بدون رابطی متناسب با هر وظیفه، عملاً بی‌فایده است. تمرکز صنعت اکنون از افزایش قدرت خام مدل‌ها به سمت نحوه تعامل عامل‌ها با داده‌های ساختاریافته تغییر کرده است.
۱ مهر ۱۴۰۵۱ دقیقه خواندن - ۱۹۴۴
آموزش کاربردیترکیب مدل‌های آماری و LLM؛ استراتژی جدید ربات‌های سیگنال در سال ۲۰۲۶
معماری جدید ربات‌های معاملاتی در سال ۲۰۲۶ از هوش ترکیبی برای تحلیل داده‌های ساختارنیافته استفاده می‌کند. این سیستم‌ها با پردازش زیر-ثانیه‌ای اخبار و فعالیت‌های روی زنجیره، سرعت تصمیم‌گیری را به استاندارد جدیدی رسانده‌اند.
۱ مهر ۱۴۰۵۲ دقیقه خواندن - ۱۹۴۵
آموزش کاربردینقشه راه ۷ مرحله‌ای برای تبدیل شدن به مهندس هوش مصنوعی
یک راهنمای جامع فنی، مسیر تبدیل شدن به مهندس هوش مصنوعی را از مبانی پایتون تا MLOps ترسیم کرده است. این مسیر بر گذار از مهندسی پرامپت ساده به سمت ساخت برنامه‌های کاربردی و آمادهٔ تولید با هوش مصنوعی زاینده تأکید دارد.
۱ مهر ۱۴۰۵۵ دقیقه خواندن - ۱۹۴۶
اخبار کوتاه روزانهکاهش قیمت Claude Opus؛ هزینهٔ پرامپت به ۴ دلار در هر میلیون توکن رسید
آنتروپیک قیمت مدل Claude Opus را کاهش داد تا با تغییرات ساختاری هزینه‌ای در OpenAI و DeepSeek رقابت کند. این نوسانات قیمتی، برآورد هزینه‌های عملیاتی شرکت‌هایی که حجم عظیمی از داده را پردازش می‌کنند، به‌طور مستقیم تغییر می‌دهد.
۱ مهر ۱۴۰۵۲ دقیقه خواندن - ۱۹۴۷
آموزش کاربردیElisym لایه‌ی پرداخت و شناسایی غیرمتمرکز برای عامل‌های هوش مصنوعی را فعال کرد
پلتفرم Elisym زیرساختی غیرمتمرکز برای یافتن فرصت‌های شغلی و تسویه حساب‌های مالی میان عامل‌های هوش مصنوعی فراهم می‌کند. این سیستم با ترکیب پروتکل Nostr و شبکه‌ی Solana، نیاز به واسطه‌های مرکزی را در اقتصاد عامل‌محور حذف می‌کند.
۱ مهر ۱۴۰۵۱ دقیقه خواندن - ۱۹۴۸
زندگی با AIمهندسان ردیت: گردش‌کارهای هوش مصنوعی غرور حرفه‌ای را می‌کُشد
بحث‌های گسترده در میان توسعه‌دهندگان نرم‌افزار نشان می‌دهد که جایگزینی خلاقیت انسانی با خروجی‌های مدل‌های زبانی، منجر به بحران روانی و احساس پوچی شده است. متخصصان گزارش می‌دهند که نقش آن‌ها از مهندسی تبدیل به «واسطه‌ای انسانی» برای فشردن دکمه اینتر شده است.
۱ مهر ۱۴۰۵۸ دقیقه خواندن - ۱۹۴۹
اخبار کوتاه روزانههدف ۸۵ هزار نفری AT&T برای سال ۲۰۳۰؛ جایگزینی نیروی انسانی با هوش مصنوعی
شرکت AT&T برای کاهش هزینه‌های عملیاتی و انرژی، در حال حذف گسترده مشاغل میانی و جونیور است تا تا سال ۲۰۳۰ تعداد کارکنان خود را به ۸۵ هزار نفر برساند. این استراتژی شامل جایگزینی زیرساخت‌های مسی قدیمی با فیبر نوری و اتوماسیون فرآیندهای اداری توسط هوش مصنوعی است.
۱ مهر ۱۴۰۵۵ دقیقه خواندن - ۱۹۵۰
آموزش کاربردیAI-QUANT: شبیه‌سازی سقوط‌های مصنوعی برای شناسایی نقاط ضعف سبد سهام
تست‌های استرس سنتی به‌دلیل تکیه بر داده‌های تاریخی، قادر به پیش‌بینی وقایع «قوی سیاه» نیستند. AI-QUANT با استفاده از هوش مصنوعی زاینده، سقوط‌های مصنوعی بازار را شبیه‌سازی می‌کند تا نقاط ضعف پنهان در استراتژی‌های سرمایه‌گذاری را پیش از وقوع بحران واقعی شناسایی کند.
۱ مهر ۱۴۰۵۴ دقیقه خواندن