پرش به محتوای اصلی

موضوع

عامل‌محور

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

۶٬۲۴۴ مقاله منتشر شده

عوامل مبتنی بر دامنه: معماری هوشمند برای حل مسائل تخصصی
آموزش کاربردی

ساختارDDD در برابر نام‌گذاری‌های نامنظم؛ نبردی برای درک بهتر AI از کد

عامل‌های هوش مصنوعی در پروژه‌های قدیمی به‌دلیل ناهماهنگی در نام‌گذاری و ساختار کد دچار خطا می‌شوند. استفاده از متدولوژی طراحی دامنه-محور (DDD) با ایجاد واژه‌نامه‌های دقیق، بستری…

۸ دقیقه خواندن۱
پیش‌نمایش Tencent Hy4 منتشر و متن‌باز شد

مدل Hy4 تنسنت چگونه مرزهای استنتاج در مدل‌های متن‌باز را جابه‌جا می‌کند؟

تنسنت مدل پیش‌نمایش Hy4 را برای کاربردهای تخصصی در کدنویسی، علوم و مالی منتشر کرد. این مدل با پنجره متنی میلیونی و قابلیت بهینه‌سازی خودکار زیرساخت استنتاج، استانداردهای مدل‌های…

۳ دقیقه خواندن۱
تست CRM متن‌باز Twenty: ساخته‌شده برای هوش مصنوعی
آموزش کاربردی

«جایگزینی برای Salesforce»؛ پلتفرم Twenty داده‌های CRM را برای AI ساختار می‌دهد

پلتفرم Twenty یک CRM متن‌باز است که با امکان میزبانی شخصی، جایگزینی برای سیستم‌های بسته مانند Salesforce ارائه می‌دهد. این ابزار به توسعه‌دهندگان اجازه می‌دهد داده‌های مشتریان را…

۲ دقیقه خواندن
رابط کاربری تولیدی در انگولار: جریان JSON از LLM، رندر کامپوننت واقعی
آموزش کاربردی

کتابخانه ngx-json-render رابط‌های کاربری آنگولار را با استریم JSON می‌سازد

یک کتابخانه جدید به مدل‌های زبانی اجازه می‌دهد به‌جای تولید کد HTML، رابط‌های کاربری آنگولار را از طریق استریم یک مشخصات JSON محدود بسازند. این روش امنیت XSS را تضمین کرده و…

۶ دقیقه خواندن۱
عنوان: عوامل هوش مصنوعی به قانون اساسی نیاز دارند

تصویر: ربات در حال مطالعه سند قانون اساسی
آموزش کاربردی

چارچوب NAEOS: جایگزینی «قانون اساسی مهندسی» با پرامپت برای مدیریت عامل‌های هوش

عامل‌های هوش مصنوعی برای عبور از مرحله دستیار به مهندس مستقل، به چیزی فراتر از هوش خام نیاز دارند. چارچوب NAEOS با معرفی یک «قانون اساسی مهندسی» ماشین‌خوان، محدودیت‌های سازمانی و…

۱۳ دقیقه خواندن۱
بازی بعدی واقعیت مجازی: سه نقش کلیدی مدل‌های زبانی بزرگ
آموزش کاربردی

۳ روش تبدیل مدل‌های زبانی به لایه‌ی زمینه‌ی واقعیت مجازی

پژوهش‌های جدید نشان می‌دهد مدل‌های زبانی بزرگ به‌جای ایفای نقش چت‌بات، باید به‌عنوان لایه‌ی زمینه‌ی وضعیت جهان در VR عمل کنند. این رویکرد با تمرکز بر ارکستراسیون ساختاریافته،…

۳ دقیقه خواندن۴
پژوهش هوش مصنوعی زباله نیست — پژوهش بدون بازبینی، زباله است.
آموزش کاربردی

شواهد مستند در برابر خروجی‌های احتمالی؛ راهکار جدید برای پژوهش‌های AI

پژوهش‌های مبتنی بر هوش مصنوعی اغلب به دلیل نبود مرحلهٔ بازبینی، دچار توهم و تحلیل‌های سطحی می‌شوند. آزمایشگاه Oroboro با معرفی یک عامل «تخاصمی» برای رد ادعاهای غیرقابل‌اتکا،…

۳ دقیقه خواندن۱
حافظه پایدار ویکی‌اسکیل گوگل برای یادآوری اشتباهات گذشته و بهبود عملکرد عوامل هوش مصنوعی

WikiSkill: افزایش ۱۸.۶ درصدی دقت مدل‌های گوگل با ثبت تجربیات

پژوهشگران گوگل چارچوبی به نام WikiSkill طراحی کرده‌اند که به عامل‌های هوش مصنوعی اجازه می‌دهد تجربیات موفق و شکست‌های خود را در یک «ویکی» دائمی ثبت کنند. این سیستم باعث می‌شود…

۴ دقیقه خواندن۱