پرش به محتوای اصلی

موضوع

عامل‌محور

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

۶٬۲۶۳ مقاله منتشر شده

استفاده از اینترنت اشیاء و هوش مصنوعی برای نظارت بر آتشفشان‌ها و پیش‌بینی فوران‌ها
آموزش کاربردی

شبکه‌ای از ۲۹ هزار ایستگاه هواشناسی برای پیش‌بینی فوران آتشفشان

سامانه Antigravity CLI با ترکیب داده‌های هزاران ایستگاه هواشناسی خانگی و عامل‌های هوش مصنوعی Gemini، فوران‌های آتشفشانی را پیش‌بینی می‌کند. این سیستم می‌تواند هشدار‌های اضطراری را…

۴ دقیقه خواندن۱
پلتفرم AIOps برای ترمیم خودکار سرویس‌های داکر که به عنوان دانشجو ساختم
آموزش کاربردیتأییدنشده · منبع منفرد

«خودترمیمی سریع»؛ استراتژی WATCHDOG برای مدیریت سرویس‌های داکر

یک پلتفرم AIOps به نام WATCHDOG با استفاده از ۶ الگوریتم یادگیری ماشین، چرخه شناسایی و رفع خطای سرویس‌های داکر را کاملاً خودکار کرده است. این سیستم زمان بازیابی سرویس‌ها را از…

۲ دقیقه خواندن
قرار دادن یک پلیس قطعی بین مدل زبانی و ابزارهایش دیگر اختیاری نیست

پراکسی‌های قطعی؛ تنها راه مقابله با تزریق پرامپت در عامل‌های MCP

اتکای به پرامپت‌های سیستمی برای ایمن‌سازی عامل‌های هوش مصنوعی یک شکست استراتژیک است. متخصصان امنیت تأکید می‌کنند که برای اجرای سیاست‌های غیرقابل‌دورزنی، باید یک لایه پراکسی قطعی…

۴ دقیقه خواندن۳
بازبینی قرارداد هوشمند با هوش مصنوعی در ۲۰۲۶
آموزش کاربردی

شبیه‌سازی معنایی؛ ابزار جدید عامل‌های هوش مصنوعی برای شکار حفره‌های قراردادهای

حسابرسی قراردادهای هوشمند به سمت گردش‌کارهای ترکیبی تغییر می‌کند که در آن عامل‌های هوش مصنوعی از شبیه‌سازی معنایی برای شناسایی نقص‌های منطقی استفاده می‌کنند. تا سال ۲۰۲۶، این…

۲ دقیقه خواندن۱
مدل ۴ میلیارد پارامتری Spark-X2.5-4B با عملکردی معادل مدل‌های ۲ تا ۳ برابر بزرگ‌تر در وظایف عامل، کد و ریاضی.

مدل Spark-X2.5-4B در کدنویسی و استدلال از رقبای ۱۲ میلیاردی پیشی گرفت

مدل باز Spark-X2.5-4B با وجود اندازه کوچک، در وظایف عامل‌محور، ریاضیات و کدنویسی عملکردی مشابه مدل‌هایی با اندازه سه برابر خود نشان داد. این مدل در چندین محک کلیدی، رقبایی چون…

۱ دقیقه خواندن
معرفی Claude Fable ۵.۱ و Mythos ۵.۱ با تضمین‌های امنیتی مجزا توسط Anthropic

آنتروپیک: هزینه خواندن حافظهٔ پنهان در Fable 5.1 حدود ۷۵٪ کاهش یافت

آنتروپیک با معرفی مدل‌های Claude Fable 5.1 و Mythos 5.1، هزینه‌های عملیاتی برای عامل‌های هوش مصنوعی را به‌شدت کاهش داد. این به‌روزرسانی با تفکیک مدل‌های عمومی از مدل‌های پژوهشی…

۵ دقیقه خواندن۳
همکاری اوبر و ویو برای راه‌اندازی سرویس خودروی خودران نظارت‌شده در لندن

«سفرهای نظارت‌شده»؛ استراتژی جدید اوبر برای عبور از ترافیک لندن

اوبر با ادغام فناوری Wayve، برای نخستین بار سفرهای خودران را در بریتانیا به کاربران عادی عرضه کرد. این سرویس با استفاده از خودروهای برقی و رانندگان ایمنی، یکی از پیچیده‌ترین…

۵ دقیقه خواندن۲
متا کارمندان را به استفاده از عامل هوش مصنوعی جدید تشویق می‌کند، اما دیگر پاداش توکن نمی‌دهد

«تمرکز بر کاربرد واقعی»؛ تغییر معیار سنجش کارکنان در متا

متا سیستم جنجالی ارزیابی کارکنان بر اساس میزان استفاده از ابزارهای هوش مصنوعی را متوقف کرد. این شرکت اکنون تمرکز خود را از «حجم مصرف» به «کاربرد واقعی» تغییر داده و کارکنان را به…

۴ دقیقه خواندن۳
شکل ۱: بنیان‌های زیستی یادگیری تقویتی و قانون اثر تورندایک (۱۸۹۸–۱۹۴۹)
آموزش کاربردی

ریشه‌های بیولوژیک یادگیری تقویتی؛ از جعبه‌های ثورندایک تا شبکه‌های عصبی

یادگیری تقویتی مدرن بر پایه حلقه‌های رفتاری است که روان‌شناسان بین سال‌های ۱۸۹۸ تا ۱۹۴۹ کشف کردند. مفاهیمی چون پاداش، ارزش و وزن‌ها، دهه‌ها پیش از ظهور اولین پردازنده‌های گرافیکی…

۱۳ دقیقه خواندن۲
پالو آلتو نتورکز ۵۰۰ میلیون دلار برای کنسول پشتیبانی‌شده توسط تریو پرداخت کرده است
اخبار کوتاه روزانهگزارش تأییدنشده

پالو آلتو نتورکس با پرداخت ۵۰۰ میلیون دلار، اتوماسیون میز کمک IT را خرید

شرکت پالو آلتو نتورکس استارتاپ Console را برای ادغام قابلیت‌های عامل‌محور در پلتفرم Cortex تصاحب کرد. این قرارداد به تیم‌های امنیتی اجازه می‌دهد هشدارها را با زبان طبیعی حل کنند و…

۲ دقیقه خواندن۱
صفحه مستندات، پرس‌وجوی جستجوی طولانی برای یافتن عامل‌های هوش مصنوعی و هدایت افراد به سمت شرکت شماست.
آموزش کاربردی

درون سازوکار AEO؛ مدیریت خزنده‌ها برای مدل‌های زبانی در Val Town

پلتفرم Val Town با پیاده‌سازی چارچوب AEO تلاش می‌کند تا عامل‌های هوش مصنوعی را به جای موتورهای جست‌وجوی سنتی، به سمت وب‌سایت خود هدایت کند. این استراتژی بر مدیریت دسترسی خزنده‌ها…

۷ دقیقه خواندن