پرش به محتوای اصلی

موضوع

عامل‌محور

Autonomous agents, tool use, planning, multi-step workflows

۷٬۳۳۲ مقاله منتشر شده

مدل هوش مصنوعی گوگل دقیق‌ترین پیش‌بینی بستری‌های آنفلوانزا در آمریکا شد

مدل Google_SAI-FluEns در رقابت FluSight سازمان CDC، از ۳۸ مدل دیگر پیشی گرفت. این سامانه با استفاده از یک فرآیند خودکار مبتنی بر مدل‌های زبانی بزرگ، نرم‌افزارهای پیش‌بینی را…

۵ دقیقه خواندن۳

ضرب‌الاجل‌های صریح در برابر افزایش سقف زمان انتظار در پایداری عامل‌ها

تلاش یک توسعه‌دهنده برای رفع خطای زمان‌بندی (Timeout) در عامل‌های هوش مصنوعی، یک نقص بنیادین را آشکار کرد: عامل‌ها وعده انتظار می‌دهند اما سیستمی برای ثبت و پیگیری این قصد وجود…

۳ دقیقه خواندن۱
آموزش کاربردی

db-mcp-gateway چگونه ارتباط عامل‌های هوش مصنوعی با دیتابیس را ایمن می‌کند؟

ابزار متن‌باز db-mcp-gateway با ایجاد یک لایه امنیتی بین عامل‌های هوش مصنوعی و پایگاه‌داده‌های عملیاتی، احتمال نشت رمزها را حذف می‌کند. این سامانه با ذخیره داخلی اعتباره‌ها و…

۳ دقیقه خواندن

Gemini 4 Argon: بهینه‌سازی نسبت هوش به هزینه در گردش‌کارهای عامل‌محور

تحلیل فنی مدل Gemini 4 Argon نشان می‌دهد که این مدل توانسته است بدون افزایش خطی هزینه‌ها، عملکرد خود را در ۱۰ معیار هوش ارتقا دهد. این داده‌ها به‌ویژه در استدلال روی اسناد تخصصی و…

۴ دقیقه خواندن۱

ارزش Flow Engineering به ۷۵۰ میلیون دلار رسید تا طراحی سخت‌افزار را خودکار کند

استارتاپ Flow Engineering برای خودکارسازی همراستاسازی نقشه‌های مهندسی با الزامات محصول، ۵۰ میلیون دلار سرمایه جذب کرد. این شرکت که توسط سرمایه‌گذاران نزدیک به ایلان ماسک حمایت…

۱ دقیقه خواندن۱

Kong AI Gateway 2.2 لایهٔ حاکمیتی جدید برای ابزارهای MCP و مدیریت هویت

شرکت Kong نسخه ۲.۲ از درگاه هوش مصنوعی خود را برای جداسازی مدل‌ها از زیرساخت‌های امنیتی منتشر کرد. این به‌روزرسانی با تمرکز بر «قابلیت جابه‌جایی راهبردی»، اجازه می‌دهد سازمان‌ها…

۴ دقیقه خواندن۱

پلتفرم Volcano مسیر تبدیل عامل‌های هوش مصنوعی به محصول را کوتاه کرد

شرکت Kong با معرفی Volcano، زیرساخت‌های محاسباتی، پایگاه‌داده و احراز هویت را در یک بستر واحد برای عامل‌های هوش مصنوعی ادغام کرد. هدف این پلتفرم حذف نیاز توسعه‌دهندگان به اتصال…

۵ دقیقه خواندن

جمینای ۴ آرگون: خروجی یک میلیون توکنی برای گردش‌کارهای پیچیده سازمانی

گوگل مدل Gemini 4 Argon را برای استدلال عمیق در مهندسی نرم‌افزار، امنیت سایبری و امور حقوقی معرفی کرد. این مدل با افزایش سقف خروجی به یک میلیون توکن، قادر است وظایفی با افق زمانی…

۷ دقیقه خواندن۳

«عامل‌های دوست‌داشتنی»؛ راهبرد متا و OpenAI برای بازگشت به سخت‌افزار

متا و OpenAI برای عبور از شکست‌های سخت‌افزاری، ابتدا عامل‌های نرم‌افزاری با قابلیت ایجاد پیوند عاطفی عرضه می‌کنند تا کاربران را برای خرید دستگاه‌های فیزیکی آماده کنند. متا یک آویز…

۳ دقیقه خواندن۱