پرش به محتوای اصلی

موضوع

عامل‌محور

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

۷٬۳۴۵ مقاله منتشر شده

آموزش کاربردی

گوگل ارزیابی عامل‌های هوش مصنوعی را با روب‌ریک‌های بولی استاندارد کرد

تیم مهندسی گوگل چارچوبی را معرفی کرد که در آن مدل‌های زبانی به‌جای دستورات مبهم، از معیارهای سخت‌گیرانه و بله/خیر (Boolean) برای نمره‌دهی به سایر عامل‌ها استفاده می‌کنند. این روش…

۵ دقیقه خواندن
آموزش کاربردی

۵ دسته‌بندی پاسخ منفی برای جلوگیری از بداهه‌پردازی عامل‌های هوش مصنوعی

عامل‌های هوش مصنوعی در محیط‌های عملیاتی به جای دستورات متنی، نیازمند یک سیستم قطعی برای درک محدودیت‌های خود هستند. چارچوب جدیدی پیشنهاد شده که با تعریف پنج دسته‌بندی از «پاسخ‌های…

۴ دقیقه خواندن
آموزش کاربردی

پروتکل Agateon: جایگزینی شواهد ماشینی با اعتماد در عامل‌های هوش مصنوعی

گلوگاه اصلی عامل‌های هوش مصنوعی هوش مدل نیست، بلکه نبود سازوکار تأیید خروجی است. پروتکل Agateon با تبدیل تأیید به یک زیرساخت سخت‌گیرانه، «مالیات اعتماد» و نیاز به نظارت انسانی…

۶ دقیقه خواندن۲

نرخ موفقیت در برابر هزینه؛ چالش استقرار عامل‌های مهندسی نرم‌افزار

تحلیل جدید FrontierHarness نشان می‌دهد هزینهٔ عملیاتی عامل‌های مهندسی نرم‌افزار با نرخ موفقیت آن‌ها فاصله گرفته است. در حالی که برخی مدل‌ها تسک‌های بیشتری را پاس می‌کنند، هزینهٔ…

۱ دقیقه خواندن
زندگی با AI

«گفتگوهای بی‌معنی»؛ پیامد استفاده هم‌زمان متقاضی و استخدام‌کننده از بات‌ها

آزمایشی توسط یک متقاضی کار نشان می‌دهد که استفاده هم‌زمان از هوش مصنوعی توسط استخدام‌کننده و متقاضی، منجر به گفتگوهای بی‌معنی و حلقه‌های تکراری شده است. این روند به پدیده‌ای تبدیل…

۴ دقیقه خواندن

Gemini 3.8 Flash؛ بهینه‌سازی گوگل برای کاهش هزینه و تأخیر در عامل‌های سازمانی

گوگل دیپ‌مایند مدل Gemini 3.8 Flash را برای تسریع گردش‌کارهای عامل‌محور و مهندسی نرم‌افزار عرضه کرد. این مدل با حفظ پنجره متنی یک میلیون توکنی، تعادلی بهینه میان کیفیت، هزینه و…

۵ دقیقه خواندن۲

بوهرینگر اینگلهایم برای تسریع کشف دارو به عامل‌های هوش مصنوعی Owkin روی آورد

شرکت داروسازی بوهرینگر اینگلهایم با دریافت مجوز استفاده از پلتفرم K Pro و داده‌های چندوجهی Owkin، فرآیند کشف دارو در حوزه‌های سرطان و ایمنی را خودکار می‌کند. این همکاری بر پایه…

۴ دقیقه خواندن۴
آموزش کاربردی

درون فرآیند بهینه‌سازی استیجینگ با استفاده از داده‌های مصنوعی هوشمند

یک تیم مهندسی با جایگزینی نسخه‌های ریسکی داده‌های واقعی با یک مولد داده‌های مصنوعیِ آگاه از طرح (Schema-aware)، زمان رفرش محیط استیجینگ را ۹۹٪ کاهش داد. این سیستم جدید علاوه بر…

۷ دقیقه خواندن۱