پرش به محتوای اصلی

موضوع

عامل‌محور

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

۷٬۳۴۶ مقاله منتشر شده

آموزش کاربردی

عامل‌های هوش مصنوعی هوشمندتر بدون ترمزهای معماری خطرناک‌تر می‌شوند

افزایش توان استدلالی عامل‌های هوش مصنوعی بدون ایجاد کنترل‌های خارجی، سیستمی شبیه به «موتور قدرتمند بدون ترمز» می‌سازد. ایمنی واقعی نیازمند مرزهای معماری مانند گیت‌های تأیید و…

۸ دقیقه خواندن۱
آموزش کاربردی

۱۰ اشتباه رایج در اتوماسیون که باعث شکست جریان‌های کاری تولیدی می‌شود

بسیاری از توسعه‌دهندگان اتوماسیون‌هایی می‌سازند که در محیط دمو عالی عمل می‌کنند اما در مقیاس واقعی شکست می‌خورند. این راهنما ۱۰ نقطه ضعف بحرانی، از اتوماسیون فرآیندهای معیوب تا…

۵ دقیقه خواندن۳
آموزش کاربردی

گزارش توسعه‌دهندگان: بازیابی ترکیبی شکاف دقت در RAG را پر می‌کند

سیستم‌های تولید بازیابی‌افزا (RAG) زمانی شکست می‌خورند که مدل‌های زبانی داده‌های نامرتبط دریافت کنند. برای رسیدن به دقت سطح تولید، ترکیب جست‌وجوی معنایی و کلیدواژه‌ای در کنار…

۴ دقیقه خواندن۳

«ضرورت حافظه مجزا»؛ چرا افزایش توکن‌ها برای مدل‌های قابل‌اعتماد کافی نیست

افزایش پنجرهٔ زمینه به میلیون‌ها توکن، مشکل بازیابی اطلاعات و وضعیت بلندمدت را حل نمی‌کند. پژوهش‌ها نشان می‌دهند مدل‌ها همچنان دچار سوگیری «گم‌شدن در میانه» و هزینه‌های عملیاتی…

۴ دقیقه خواندن۲

کاهش ۴۵ درصدی هزینهٔ اجرای عامل‌های هوش مصنوعی در Claude Fable 5.1

آنتروپیک با معرفی نسخه‌های Fable 5.1 و Mythos 5.1، هزینه‌های گردش‌کارهای عامل‌محور را به‌شدت کاهش داد. این به‌روزرسانی بر بهبود استدلال علمی و بهینه‌سازی قیمت‌گذاری داده‌های…

۲ دقیقه خواندن۱

تحلیل فارنزیک: ۹۷.۸٪ داده‌های SWE-bench پیش‌تر عمومی شده بودند

یک تحلیل فارنزیک نشان می‌دهد تقریباً تمام فایل‌های آزمون در بنچمارک SWE-bench پیش از اعمال اصلاحات، به‌صورت عمومی در گیت‌هاب در دسترس بوده‌اند. این یعنی مدل‌های پیشرو احتمالاً…

۳ دقیقه خواندن۲
آموزش کاربردی

۸۷.۵٪ از عامل‌های سفارشی Claude Code در یک ماه هیچ فراخوانی نداشتند

یک توسعه‌دهنده دریافت که اکثر عامل‌های تخصصی او در محیط Claude Code بلااستفاده مانده‌اند و تنها باعث اتلاف توکن و کاهش کیفیت پاسخ‌ها شده‌اند. او با طراحی یک سامانه نظارتی مبتنی بر…

۲۵ دقیقه خواندن۲