پرش به محتوای اصلی

موضوع

عامل‌محور

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

۷٬۳۴۵ مقاله منتشر شده

آموزش کاربردی

Ponytail با فلسفهٔ کدنویسی حداقلی جلوی پیچیدگی بیش از حد عامل‌های هوش مصنوعی را

پلاگین Ponytail با اجبار عامل‌های کدنویس به استفاده از کتابخانه‌های استاندارد و الگوهای موجود، از تولید کدهای حجیم و غیرضروری جلوگیری می‌کند. این ابزار با اولویت دادن به…

۲ دقیقه خواندن

مدل پژوهشی آنتروپیک قضیه آخر فرمات را در زبان Lean 4 فرمال کرد

یک مدل داخلی آنتروپیک طی ۱۱ روز به‌صورت خودگردان، اثبات اندرو وایلز برای قضیه آخر فرمات را به زبان Lean 4 تبدیل کرد. این دستاورد مدیون لایه هماهنگی Prove2Me است که امکان حفظ حافظه…

۸ دقیقه خواندن۱
آموزش کاربردی

سلسله‌مراتب ایمنی مایکل کامینسکی برای عبور از گلوگاه تاییدات انسانی

مایکل کامینسکی استدلال می‌کند که تاییدات انسانی در مقیاس عامل‌های هوش مصنوعی باعث ایجاد «تئاتر تایید» و توقف عملیاتی می‌شود. او سیستمی سه لایه شامل حذف قابلیت، گیت‌های حذف خودکار…

۶ دقیقه خواندن۲
آموزش کاربردی

۵ قانون طراحی ابزار برای جلوگیری از شکست عامل‌های هوش مصنوعی در مقیاس واقعی

بررسی دلایل شکست طرح‌های ابزاری در محیط عملیاتی و ارائه راهکارهایی برای افزایش قابلیت اطمینان عامل‌ها. این راهنما بر جایگزینی قوانین متنی با محدودیت‌های ساختاری برای تضمین امنیت و…

۶ دقیقه خواندن۲

Hack Club: انتقال مالکیت D2 به ساختار غیرانتفاعی برای توسعهٔ هوشمند

پروژه D2 پس از تعطیلی شرکت مادر، به یک نهاد غیرانتفاعی تحت حمایت Hack Club تبدیل شد. این ابزار اکنون برای تسریع رشد ویژگی‌ها و بهبود عملکرد، تقریباً به‌طور کامل توسط هوش مصنوعی…

۴ دقیقه خواندن۲
آموزش کاربردی

درون سازوکار MCP برای ایجاد حافظهٔ متنیِ متمرکز در مدل‌های زبانی

یک توسعه‌دهنده با استفاده از پروتکل زمینهٔ مدل (MCP)، یک «مغز دوم» شخصی و میزبانی‌شده ساخت تا حافظهٔ متنی Markdown را میان ابزارهای مختلف هوش مصنوعی همگام کند. این سیستم نیاز به…

۶ دقیقه خواندن۲
آموزش کاربردی

درون گردش‌کار متن‌باز محمد صالح برای حذف تاییدات صوری کد

محمد صالح، توسعه‌دهنده مستقل، گردش‌کاری متن‌باز را منتشر کرد که مدل‌های زبانی را از حالت «راضی‌کننده» به مهندسان سخت‌گیر QA تبدیل می‌کند. این سامانه با استفاده از گیت‌های اجباری و…

۳ دقیقه خواندن۱

عامل‌های OpenAI چگونه حجم کارهای پژوهشی را به ۳.۱ برابر رساندند؟

OpenAI با دستیابی به هدف ساخت «کارآموز پژوهشی خودکار»، حجم عملیات داخلی خود را به شدت افزایش داده است. اکنون در سازمان پژوهشی این شرکت، هر یک روز کاری انسان با بیش از سه روز تلاشِ…

۶ دقیقه خواندن۱
آموزش کاربردی

meclaw حلقه‌های تکرار عامل‌های هوش مصنوعی را با توپولوژی فایل جایگزین کرد

سامانه meclaw با تبدیل ساختار عملیاتی عامل‌ها به یک درخت دایرکتوری در لینوکس، نیاز به بازنویسی کد برای تغییر رفتار آن‌ها را حذف کرد. این سیستم اجازه می‌دهد عامل‌ها در زمان اجرا،…

۸ دقیقه خواندن۵
آموزش کاربردی

اسکنر Fail-Closed مانع تزریق تنظیمات پنهان توسط عامل‌های هوش مصنوعی شد

یک چارچوب عملی جدید با استفاده از اسکنری پایتون‌محور، شاخه‌های کد تولیدشده توسط هوش مصنوعی را که مقادیر پیکربندی اعلام‌نشده دارند، به‌طور خودکار حذف می‌کند. این سیستم با اجبار به…

۷ دقیقه خواندن۲
آموزش کاربردی

۵ نقطه ورود عملی برای خودکارسازی هوش مصنوعی در کسب‌وکارهای کوچک

کسب‌وکارهای کوچک و متوسط در آنکارا با تمرکز بر وظایف محدود و قابل‌اندازه‌گیری به‌جای خودکارسازی کلی، سریع‌ترین بازگشت سرمایه را تجربه می‌کنند. کلید موفقیت در این مدل، اتصال هوش…

۱ دقیقه خواندن۲