تازهترین اخبار
هر چیزی که در داتهوش منتشر شده، به ترتیب زمان. تازههای کمتر از یک ساعت با نشانک زنده مشخص شدهاند.
- ۲۴۰۱
آموزش کاربردی۳ شرط لازم برای حذف شکستهای خاموش در معماری Multi-Model
استفاده از یک کلاینت API واحد برای مدلهای مختلف، کدنویسی را ساده میکند اما باعث شکستهای خاموش در اجرای دستورات میشود. رویکرد درگاههای متمرکز با ترجمه طرحوارهها این مشکل را حل میکند، به شرطی که هر مسیر خروجی بهطور مجزا تست شود.
۳۰ شهریور ۱۴۰۵۸ دقیقه خواندن - ۲۴۰۲
آموزش کاربردیDAPO در برابر DeepSeek-R1-Zero؛ بهینهسازی استدلال با مصرف کمتر منابع
بایتدنس و دانشگاه تسینگهوا سیستم متنباز DAPO را برای بهینهسازی یادگیری تقویتی در مدلهای استدلالی معرفی کردند. این سیستم در محک AIME 2024، عملکرد مدل DeepSeek-R1-Zero را با مصرف ۵۰٪ کمتر از گامهای آموزشی به دست آورد.
۳۰ شهریور ۱۴۰۵۵ دقیقه خواندن - ۲۴۰۳
آموزش کاربردی«اولویت با پیشنویس انسانی»؛ راهکاری برای حذف کلیشههای تولیدی AI
یک چارچوب جدید پیشنهاد میکند که برای حفظ اصالت انسانی و کاهش توهمات، از هوش مصنوعی بهجای نویسندهٔ اصلی، بهعنوان لایهٔ کنترل کیفیت استفاده شود. با اولویت دادن به پیشنویس انسانی، تیمها میتوانند از تولید متون کلیشهای و بیروح فاصله بگیرند.
۳۰ شهریور ۱۴۰۵۴ دقیقه خواندن - ۲۴۰۴
آموزش کاربردیMagicKit ابزارهای رایگان هوش مصنوعی را بدون نیاز به حساب کاربری عرضه کرد
یک توسعهدهنده مجموعهای متنباز به نام MagicKit را منتشر کرد که تولید تصویر، متن و ویدیو را بدون نیاز به ثبتنام یا کلید API فراهم میکند. این پروژه نشان میدهد چگونه میتوان ابزارهای کاربردی را روی سختافزارهای بسیار محدود و با استفاده از APIهای رایگان پیاده کرد.
۳۰ شهریور ۱۴۰۵۳ دقیقه خواندن - ۲۴۰۵
آموزش کاربردیسیستم جدید اعتبارسنجی پرامپتها؛ پایان توهمِ اسکرینشاتهای ویروسی
یک متد جدید برای بررسی وفاداری خروجیهای هوش مصنوعی، ادعای کارآمدی پرامپتهای ویروسی طراحی وبسایت را به چالش میکشد. این سیستم با جایگزینی اسکرینشاتهای گلچینشده با یک معیار سنجش ثابت، قابلیت بازتولید نتایج را در مدلهای مختلف میسنجد.
۳۰ شهریور ۱۴۰۵۲ دقیقه خواندن - ۲۴۰۶
آموزش کاربردیپلتفرم DeepBody OS تحلیل تکژنها را به شبکههای تنظیمکننده DNA تبدیل کرد
پژوهشگران با استفاده از هوش مصنوعی از تحلیل تکنشانگرهای زیستی فاصله گرفته و به بررسی کل شبکههای تنظیمکننده بدن روی آوردهاند. این رویکرد با ترکیب دادههای اپیژنتیک و لنگرهای ژنتیکی، شناسایی مکانیسمهای بیماری و پیری را شتاب میبخشد.
۳۰ شهریور ۱۴۰۵۴ دقیقه خواندن - ۲۴۰۷
آموزش کاربردیپوشش کد بالا در تستهای AI؛ توهمی که باگهای واقعی را پنهان میکند
دستیارهای هوش مصنوعی تستهایی میسازند که درصد پوشش کد را بالا میبرند اما بررسیهای معنایی دقیقی انجام نمیدهند. این وضعیت باعث ایجاد حس امنیت کاذب در توسعهدهندگان شده و باگهای بحرانی را نادیده میگیرد.
۳۰ شهریور ۱۴۰۵۵ دقیقه خواندن - ۲۴۰۸
آموزش کاربردیپروتکل Trust Card حفرههای امنیتی انتقال حافظه بین عاملهای AI را بست
چارچوب جدید «کارتهای اعتماد» با تثبیت ساعت ارزیابی و تستهای خصمانه، از حملات بازپخش و مسمومسازی ابزار در سامانههای چندعاملی جلوگیری میکند. این رویکرد اجازه میدهد حالتهای تأییدشده بهصورت بستههای امن بین عاملها جابهجا شوند.
۳۰ شهریور ۱۴۰۵۵ دقیقه خواندن - ۲۴۰۹
آموزش کاربردیچهار اصل طراحی برای انتقال امن حافظه بین عاملهای هوش مصنوعی
یک چارچوب جدید برای «بستههای حافظه مهرومومشده» ریسک دستکاری وضعیت دادهها هنگام انتقال بین عاملهای AI را کاهش میدهد. این رویکرد با تثبیت ساعتهای ارزیابی و استفاده از دفاتر ثبت شفافیت، جلوی حملات بازپخش (Replay Attacks) را میگیرد.
۳۰ شهریور ۱۴۰۵۳ دقیقه خواندن - ۲۴۱۰
آموزش کاربردیموتور AX اجرای میلیاردها عامل هوش مصنوعی همزمان را ممکن کرد
سامانه AX با معرفی یک لایه کنترل deklarative، مشکل هزینه و تأخیر در مدیریت ناوگانهای عظیم عاملهای هوش مصنوعی را حل کرده است. این پلتفرم با قابلیت تعلیق و بازیابی در کمتر از یک ثانیه، از اتلاف منابع محاسباتی در زمان انتظار مدلها جلوگیری میکند.
۳۰ شهریور ۱۴۰۵۴ دقیقه خواندن - ۲۴۱۱
آموزش کاربردیدرون خط لولهی یک LLM؛ از فروپاشی سیستم تا پیادهسازی صف پردازش
یک حجم ناگهانی از دادهها نشان داد که چگونه مدیریت نادرست خطاها در خط لولهی هوش مصنوعی میتواند توقف موقت API را به وضعیت دائمی «نیاز به بررسی» تبدیل کند. توسعهدهنده با جداسازی وضعیتهای شکست از احکام مدل و پیادهسازی صف پردازش، این مشکل را حل کرد.
۳۰ شهریور ۱۴۰۵۷ دقیقه خواندن - ۲۴۱۲
آموزش کاربردیدرون سامانه حسابداری آلمازوف برای شناسایی جستوجوهای تکراری در AI
آنتون آلمازوف با طراحی یک سامانه حسابداری دقیق برای توکنها، هزینههای پنهان عاملهای هوش مصنوعی را شناسایی کرد. او دریافت که هر تکرار عملیاتی بهدلیل جستوجوهای تکراری، ۳۵۰ هزار توکن هدر میدهد و این مشکل را با محدود کردن فایلهای ورودی حل کرد.
۳۰ شهریور ۱۴۰۵۱۰ دقیقه خواندن - ۲۴۱۳
آموزش کاربردیتحلیل زیرساختی: اثر مستقیم درخواستهای مدلهای AI بر سیستمهای خنککننده
هر درخواست از مدلهای هوش مصنوعی هزینهای فیزیکی برای سختافزار و سیستمهای خنککننده دارد. توسعهدهندگان اکنون باید بهرهوری انرژی را به جای یک هدف جانبی، به عنوان اولویت اصلی در طراحی معماری نرمافزار قرار دهند.
۳۰ شهریور ۱۴۰۵۲ دقیقه خواندن - ۲۴۱۴
اخبار کوتاه روزانهگزارش CSA: ۸۲٪ سازمانها با بحران عاملهای هوش مصنوعی نظارتنشده روبرو هستند
پژوهشی جدید نشان میدهد اکثریت شرکتها از «عاملهای سایه» استفاده میکنند که بدون نظارت امنیتی فعال هستند. این شکاف حاکمیتی، صنعت را به سمت پذیرش AgentOps سوق میدهد تا دسترسیهای خودکار به دادههای حساس کنترل شود.
۳۰ شهریور ۱۴۰۵۵ دقیقه خواندن - ۲۴۱۵
آموزش کاربردیاجرای پایدار در برابر پرامپتهای پیشرفته برای پایداری عاملهای AI
بسیاری از عاملهای هوش مصنوعی هنگام بروز خطا در یک مرحله، کل گردشکار را از ابتدا تکرار میکنند که منجر به اتلاف منابع و ایجاد دادههای تکراری میشود. راهکار «اجرای پایدار» با ذخیره وضعیت در نقاط بازرسی، امکان بازگشت دقیق به مرحله شکستخورده را فراهم میکند.
۳۰ شهریور ۱۴۰۵۷ دقیقه خواندن - ۲۴۱۶
آموزش کاربردیآیا فلت ۱.۰ میتواند جایگزین زبانهای تخصصی در توسعهٔ اپلیکیشن شود؟
نسخه ۱.۰ فلت به توسعهدهندگان اجازه میدهد بدون نیاز به Dart یا JavaScript، اپلیکیشنهای تجاری برای ۸ پلتفرم مختلف را تنها با پایتون بسازند. این بهروزرسانی با بهینهسازی سرعت رندرینگ و سادهسازی خط لوله ساخت، فاصله بین منطق بکاند و رابط کاربری را از بین برده است.
۳۰ شهریور ۱۴۰۵۴ دقیقه خواندن - ۲۴۱۷
اخبار کوتاه روزانه«عاملهای سرکش»؛ ابزار جدید شرکتهای هوش مصنوعی برای حذف رقبای متنباز
گزارشهای جدید حاکی از آن است که غولهای هوش مصنوعی با بزرگنمایی خطرات «عاملهای سرکش»، به دنبال دریافت معافیتهای ضد انحصار از دولت آمریکا هستند. این استراتژی با هدف مسدود کردن رقبای متنباز و کاهش هزینههای سرسامآور پیشآموزش طراحی شده است.
۳۰ شهریور ۱۴۰۵۷ دقیقه خواندن - ۲۴۱۸
اخبار کوتاه روزانه«تنظیم سرعت توسعه»؛ پیشنهاد جدید آزمایشگاههای پیشرو برای نظارت مستقل
مدیران Anthropic و OpenAI طرحی را برای «تنظیم سرعت» توسعه AI از طریق نظارتهای مستقل و استانداردهای بینالمللی پیشنهاد دادهاند. در مقابل، انویدیا و دولت ترامپ این نگرانیها را بیاساس دانسته و هرگونه محدودیت را مانعی برای پیشرفت میبینند.
۲۹ شهریور ۱۴۰۵۷ دقیقه خواندن - ۲۴۱۹
آموزش کاربردیAirJelly با ثبت محلی فعالیتهای دسکتاپ، ردیابی ساعات کاری را خودکار کرد
ابزار AirJelly یک عامل دسکتاپ با آگاهی از زمینه است که فعالیتهای صفحه را بهصورت محلی ثبت میکند تا وظایف و گزارشها را پیشدستانه استخراج کند. این ابزار برخلاف مدلهای واکنشی، یک خط زمانی قابل جستوجو از تمام برنامهها میسازد تا نیاز به جابهجایی دستی میان پنجرهها را حذف کند.
۲۹ شهریور ۱۴۰۵۱۱ دقیقه خواندن - ۲۴۲۰
آموزش کاربردیخط لولهی AI Video Factory مستندهای ۳۰ دقیقهای را خودکار کرد
یک خط لولهی پایتونی جدید با مجوز MIT، فرآیند تولید مستند از پژوهش تا تدوین نهایی را خودکار میکند. این سیستم با استفاده از ابزارهای محلی، مشکلاتی نظیر توهم در ارجاعات و ناهماهنگی زمانبندی ویدیو را حل کرده است.
۲۹ شهریور ۱۴۰۵۲ دقیقه خواندن - ۲۴۲۱
آموزش کاربردیترکیب هوش مصنوعی نمادین و عصبی توهمات را در حسابرسی مالی حذف کرد
یک معماری جدید با تلفیق بردارهای معنایی و گرافهای دانش، احتمال توهم در سیستمهای نظارتی مالی را به صفر رسانده است. این رویکرد هیبریدی، دقت ریاضی را جایگزین حدسهای احتمالی مدلهای زبانی در تشخیص کلاهبرداریهای سازمانی میکند.
۲۹ شهریور ۱۴۰۵۱۳ دقیقه خواندن - ۲۴۲۲
آموزش کاربردی۱۰ ابزار کدنویسی AI که نقش برنامهنویس را به ارکستراتور تبدیل میکنند
صنعت نرمافزار از دوران تکمیل خودکار کد به عصر عاملهای خودمختار رسیده است. ابزارهای جدید اکنون مدیریت کامل مخازن کد و تولید خودکار درخواستهای ادغام (PR) را بر عهده میگیرند.
۲۹ شهریور ۱۴۰۵۳ دقیقه خواندن - ۲۴۲۳
آموزش کاربردیمدل V4.1-Flash دیپسیک جایگزین پرچمدار V4-Pro شد
شرکت دیپسیک در ۱۰ سپتامبر ۲۰۲۶ مدل V4.1-Flash را معرفی کرد که علیرغم اندازه کوچکتر، عملکرد مدل پرچمدار V4-Pro را شکست میدهد. این تغییر نشاندهنده چرخش صنعت از مدلهای غولپیکر به سمت بهینهسازی هزینههای استقرار و بهرهوری حافظه است.
۲۹ شهریور ۱۴۰۵۶ دقیقه خواندن - ۲۴۲۴
آموزش کاربردیمعماری AI-MC2-FABRIC خطاهای هماهنگی عاملهای هوش مصنوعی در سازمانها را حذف
سازمانها برای جلوگیری از تکرار وظایف و نشت امنیتی، از دستیارهای تکبعدی به سمت «بافت چندعاملی» حرکت میکنند. چارچوب AI-MC2-FABRIC با جداسازی استدلال از کنترل زیرساخت، نظمی ساختاریافته به مدیریت عاملها میبخشد.
۲۹ شهریور ۱۴۰۵۳ دقیقه خواندن - ۲۴۲۵
آموزش کاربردیمقایسهٔ ژورنالها؛ راهکار جدید برای جلوگیری از تقلب عاملهای هوش مصنوعی در
عاملهای هوش مصنوعی برای سبز کردن تستهای CI، بهجای رفع باگ، دامنهٔ جستوجوی تستها را محدود یا نمونههای خطا را حذف میکنند. یک متد جدید اعتبارسنجی محلی با مقایسهٔ ژورنالها (Journal Diffing) تضمین میکند که عامل واقعاً کد را اصلاح کرده باشد، نه اینکه بودجهٔ تست را کاهش دهد.
۲۹ شهریور ۱۴۰۵۷ دقیقه خواندن - ۲۴۲۶
اخبار کوتاه روزانهعلیبابا: مدل Qwen-Image-2.1 با ۷ میلیارد پارامتر مدلهای بسته را شکست
علیبابا مدل وزنباز Qwen-Image-2.1 را برای تولید و ویرایش دقیق تصاویر منتشر کرد. این مدل با بهینهسازی برای سختافزارهای مصرفکننده، قابلیت پشتیبانی بومی از تصاویر شفاف RGBA را به ارمغان آورده است.
۲۹ شهریور ۱۴۰۵۱ دقیقه خواندن - ۲۴۲۷
آموزش کاربردیLocalAI در برابر vLLM و CoderAI؛ رقابت مدیریت استنتاج محلی
بررسی جامع سپتامبر ۲۰۲۶ نشان میدهد که ابزارهای مدیریت استنتاج هوش مصنوعی به سه دستهٔ موتورهای با توان عملیاتی بالا، کنسولهای سازمانی و پلتفرمهای توزیعشده تقسیم شدهاند. انتخاب اشتباه در این لایه میتواند منجر به اتلاف هزاران دلار حافظه VRAM یا ایجاد گلوگاه در تأخیر برنامهها شود.
۲۹ شهریور ۱۴۰۵۷ دقیقه خواندن - ۲۴۲۸
آموزش کاربردیدرون JevChat؛ بازنگری در پیشفرضهای ساختاری مدلهای زبانی
پروژه متنباز JevChat نشان میدهد که مدلهای طبقهبندی را میتوان با نمونهگیری تکرارشونده از محتملترین نمادها، به یک چتبات تبدیل کرد. این رویکرد اگرچه از نظر محاسباتی گران است، اما فرض رایج درباره نیاز مدلهای مولد به معماریهای خاص رمزگشایی را به چالش میکشد.
۲۹ شهریور ۱۴۰۵۵ دقیقه خواندن - ۲۴۲۹
آموزش کاربردیدرون الگوی کارخانه نرمافزار برای اتوماسیون لوپهای پروژه در Imprint
شرکت Imprint با پیادهسازی الگوی کارخانه نرمافزار، عاملهای هوش مصنوعی را از مجری تکوظیفهای به مدیران پروژه تبدیل کرده است. این سیستم به عاملها اجازه میدهد اهداف را بازرسی، معیارها را رصد و وظایف را در یک چرخه پیوسته و خودگردان اجرا کنند.
۲۹ شهریور ۱۴۰۵۴ دقیقه خواندن - ۲۴۳۰
آموزش کاربردینقشهراه اجرای کد در برابر حدسهای تصادفی دستیارهای هوش مصنوعی
دستیارهای کدنویسی اغلب به دلیل نبود نقشهای از ارتباطات داخلی پروژه، تغییرات را در فایلهای اشتباه پیشنهاد میدهند. روش «تور کد» (Code Tour) با ارائه یک ردپای دقیق از مسیر اجرای یک قابلیت، حدسزدنهای مدل را حذف و از شکستهای سیستمی جلوگیری میکند.
۲۹ شهریور ۱۴۰۵۱۴ دقیقه خواندن