پرش به محتوای اصلی

موضوع

عامل‌محور

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

۶٬۲۲۵ مقاله منتشر شده

ساخت نرم‌افزار مقیاس‌پذیر با هوش مصنوعی بدون ایجاد کد پیچیده و ناپایدار
آموزش کاربردی

قراردادهای معماری؛ راهکار جلوگیری از بدهی فنی در کدهای هوش مصنوعی

عامل‌های کدنویس هوش مصنوعی سرعت توسعه را بالا برده‌اند، اما نادیده گرفتن مرزبندی‌های معماری باعث ایجاد سیستم‌های غیرقابل نگهداری می‌شود. چارچوب جدید «قراردادهای معماری» با تعریف…

۳۱ دقیقه خواندن۲
ربات Slack که تغییرات کد را به تیم اطلاع می‌دهد و تست‌های لازم را پیشنهاد می‌کند.
آموزش کاربردی

StagingBrief تاریخچهٔ کامیت‌ها را به گزارش‌های ساده برای مدیران تبدیل می‌کند

یک مهندس نرم‌افزار ابزاری به نام StagingBrief ساخته است که تاریخچه پیچیده کامیت‌های GitLab را به اعلان‌های ساده در Slack تبدیل می‌کند. این بات با استفاده از مدل‌های زبانی، شکاف…

۳ دقیقه خواندن۱
کارگزار قابلیت: واسطه‌ای بین عامل و ابزارهایش
آموزش کاربردی

کدهای بازبینی‌شده در برابر پرامپت‌های سیستمی؛ رویکردی جدید برای امنیت عامل‌ها

یک الگوی معماری جدید با جداسازی «قصد» مدل از «اختیار» اجرا، از ترکیب تصادفی مجوزهای بی‌خطر برای انجام اقدامات مخرب جلوگیری می‌کند. در این روش، امنیت به جای تکیه بر پرامپت‌های…

۵ دقیقه خواندن۳
بررسی دقیق: هوش مصنوعی کدنویسی کجا واقعاً می‌نویسد؟
آموزش کاربردی

فایل‌های تله در برابر محیط‌های ایزوله؛ سنجش واقعی امنیت سیستم‌فایل

یک متد جدید ممیزی با استفاده از فایل‌های «تله» و ثبت وضعیت دایرکتوری‌ها، خروج بی‌صدای عامل‌های هوش مصنوعی از فضای کاری تعیین‌شده را ردیابی می‌کند. این رویکرد به‌جای اعتماد…

۷ دقیقه خواندن
عامل شما در هر نوبت قبول می‌شود، اما مکالمه را با شکست مواجه می‌کند.
آموزش کاربردی

شکاف ۹۴ درصدی؛ چرا ارزیابی‌های تک‌مرحله‌ای عامل‌های هوش مصنوعی را می‌فریبند؟

بسیاری از سامانه‌های ارزیابی، عامل‌های هوش مصنوعی را بر اساس تک‌تک پاسخ‌ها می‌سنجند، نه کل جلسه. این رویکرد باعث می‌شود «زوال محدودیت‌ها» و تناقضات در گفتگوهای طولانی نادیده گرفته…

۵ دقیقه خواندن۲
یادداشت‌های هفتگی کشتی‌ها · ۷ اوت ۲۰۲۶
آموزش کاربردی

LuisCore زیرساخت غیرمتمرکز برای مدیریت عامل‌های هوش مصنوعی پیچیده را توسعه داد

پروژه LuisCore با معرفی نقشه راه Tier 2، بر ایجاد یک بستر غیرمتمرکز با تأخیر کم برای استنتاج عامل‌های هوش مصنوعی تمرکز کرده است. این سیستم ابزارهای تخصصی برای مدیریت خط لوله‌های…

۳ دقیقه خواندن۲
مخزن گیت‌هاب: تشخیص گفتار با سن گوینده تغییر نمی‌کند، اما نوبت‌گیری عامل صوتی ۲ تا ۵ برابر کندتر می‌شود.

عامل‌های صوتی سالمندان را ۲ تا ۵ برابر بیشتر از جوانان قطع می‌کنند

تحلیل‌های فنی نشان می‌دهد مشکل دسترسی سالمندان به دستیارهای صوتی ناشی از ضعف در بازشناسی گفتار نیست، بلکه به دلیل آستانه‌های ثابت سکوت در منطق نوبت‌گیری است. جایگزینی این مدل‌ها…

۱۰ دقیقه خواندن۴