پرش به محتوای اصلی

موضوع

عامل‌محور

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

۶٬۲۰۷ مقاله منتشر شده

«همه در حال ساخت مسیریاب LLM هستند، ما مال خود را منسوخ کردیم»
آموزش کاربردی

پایداری خروجی در برابر صرفه‌جویی در توکن‌ها در استراتژی Manifest

شرکت Manifest سرویس مسیریابی مدل‌های زبانی را متوقف کرد، زیرا دریافت که جابه‌جایی پویا بین مدل‌ها بیش از آنکه در هزینه توکن‌ها صرفه‌جویی کند، باعث ناپایداری و کاهش کیفیت خروجی…

۳ دقیقه خواندن
ربات چندنفره برای همکاری و انجام کار تیمی در GitHub
آموزش کاربردی

ساندباکس‌های ایزوله در QM؛ راهکار YC Software برای مقیاس‌پذیری عامل‌های هوش

پلتفرم متن‌باز QM با جایگزینی دستیارهای مشترک با محیط‌های کاری ایزوله برای هر کاربر، مشکل پیچیدگی حافظه در استقرار عامل‌های هوشمند سازمانی را حل کرده است. این سیستم امکان همکاری…

۶ دقیقه خواندن۱
هوش مصنوعی: استدلال درست، اما دلایل اشتباه؟

زنجیره‌های تفکر در مدل‌های استدلالی؛ توهمِ منطق یا ابزاری برای محاسبه؟

پژوهشگران معتقدند مدل‌های استدلالی بزرگ (LRM) به‌جای تفکر واقعی، از میان‌برهای سطحی و بازیابی تقریبی برای تقلید از استدلال استفاده می‌کنند. شواهد نشان می‌دهد که «زنجیره‌های تفکر»…

۱۵ دقیقه خواندن
دو سرور MCP به جای یکی: چه چیزی خراب می‌شود؟
آموزش کاربردی

چرا به‌روزرسانی جدید MCP سرورهای هوش مصنوعی را Stateless می‌کند؟

به‌روزرسانی ۲۸ جولای ۲۰۲۶ در پروتکل زمینهٔ مدل (MCP)، تداوم نشست‌ها در سمت سرور را حذف کرد. اکنون توسعه‌دهندگان باید تمام حالت‌های لازم را از طریق کلاینت منتقل کنند تا از شکست…

۱۵ دقیقه خواندن۱
آزمایش تبدیل مدل زبانی کوچک به عامل هوشمند قابل اعتماد با HUQAN و OPT-125M
آموزش کاربردی

رتبه‌بندی شواهد در HUQAN توهمات مدل ۱۲۵ میلیون پارامتری OPT را متوقف کرد

پژوهشگران با افزودن یک لایه «سلسله‌مراتب اعتماد» به مدل بسیار سبک OPT-125M، توانستند توهمات آن را به‌طور مؤثر حذف کنند. این سامانه به‌جای تکیه بر اطمینان مدل، اعتبار پاسخ‌ها را بر…

۴ دقیقه خواندن
راهنمای توسعه‌دهندگان برای خروجی‌های ساختاریافته در مدل‌های زبانی بزرگ (۲۰۲۶)
آموزش کاربردی

جایگزینی مهندسی پرامپت با سخت‌افزارهای JSON در استقرار مدل‌های زبانی

تولیدکنندگان پیش‌رو در سال ۲۰۲۶ از «درخواست» خروجی JSON فاصله گرفته و آن را از طریق محدودیت‌های سطح API اجباری کرده‌اند. این تغییر، خطاهای تجزیه (Parsing) را حذف کرده و معماری…

۹ دقیقه خواندن۲
معماری کنترل هزینه LLM: طراحی محدودیت‌ها بدون ورشکستگی API
آموزش کاربردی

سه خطای معماری که بودجه API پروژه‌های هوش مصنوعی را به‌سرعت می‌بلعند

انتخاب‌های غلط در معماری خط‌لوله‌های مدل‌های زبانی اغلب منجر به جهش هزینه‌ها در مقیاس تولیدی می‌شود. متخصصان برای پایداری زیرساخت، استفاده از مسیریابی پویا، سقف تکرار و پاکسازی…

۳ دقیقه خواندن۳
استارتاپ Smallest.ai ۱۳ میلیون دلار برای ساخت هوش مصنوعی صوتی فوق‌سریع و طبیعی جذب کرد.

«تجربه‌ای indistinguishable از انسان»؛ هدف Smallest.ai برای چت‌بات‌های سازمانی

استارتاپ Smallest.ai با جذب سرمایه برای توسعه مدل‌های صوتی کوچک و تخصصی، قصد دارد شکاف زمانی پاسخ‌دهی در چت‌بات‌ها را از بین ببرد. این سیستم با پردازش هم‌زمان شنیدن و صحبت کردن،…

۳ دقیقه خواندن۱
ساخت چت‌بات‌های ایمن مدیریت کارکنان با هوش مصنوعی با استفاده از محدودکننده‌ها و RAG
آموزش کاربردی

۷ لایه‌ی حفاظتی برای جلوگیری از نشت داده‌ها در چت‌بات‌های سازمانی

دستیارهای هوش مصنوعی در محیط‌های سازمانی برای مدیریت داده‌های حساس HR، به چیزی فراتر از پرامپت‌نویسی نیاز دارند. پیاده‌سازی حفاظ‌های لایه‌ای و RAG آگاه به دسترسی، تنها راه جلوگیری…

۲ دقیقه خواندن۲