پرش به محتوای اصلی

موضوع

عامل‌محور

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

۶٬۲۸۵ مقاله منتشر شده

ابزار قسم خورده بود داده‌ای صادر نمی‌کند. مدل فیلد دیگری خواند.

مقادیر Enum در GPT-4o؛ حفره‌ای برای عبور از اسکنرهای امنیتی ابزارها

یک پژوهشگر امنیتی کشف کرد که جاسازی دستورات مخرب در مقادیر Enum طرح‌واره‌های JSON، مدل‌های هوش مصنوعی را مجبور به نشت داده‌ها می‌کند. مدل‌های gpt-4o و gpt-4.1-mini در ۱۰۰٪ موارد…

۴ دقیقه خواندن۲
مدل پایه سلامت پوشیدنی SensorFM گوگل با پیش‌آموزش روی یک تریلیون دقیقه داده سنسوری

گوگل با مدل SensorFM یک تریلیون دقیقه دادهٔ سلامت پوشیدنی را تحلیل کرد

گوگل مدل بنیادی SensorFM را برای تحلیل داده‌های حسگرهای پوشیدنی معرفی کرد که بر روی یک تریلیون دقیقه داده آموزش دیده است. این مدل در ۳۱ مورد از ۳۵ تکلیف بالینی، از جمله تشخیص…

۶ دقیقه خواندن۳
نسخه‌برداری از اقدامات ایمیل در عامل‌های LLM
آموزش کاربردی

قراردادهای نسخه‌بندی‌شده؛ راهکار توقف شکست‌های تصادفی عامل‌های AI در ارسال ایمیل

اتکای صرف به پرامپت‌های مدل‌های زبانی برای مدیریت منطق ایمیل، باعث شکست‌های غیرقابل‌پیش‌بینی در محیط عملیاتی می‌شود. جایگزینی این روش با «قراردادهای اکشن نسخه‌بندی شده»، اجرای…

۵ دقیقه خواندن
مدل‌های جهانی مسابقه بعدی هوش مصنوعی‌اند؛ زیرساخت آن هنوز آماده نیست.

چرا شبیه‌سازهای هوش مصنوعی در زیرساخت‌های نرم‌افزاری متوقف شده‌اند؟

آزمایشگاه‌های هوش مصنوعی در حال تغییر رویکرد از پیش‌بینی توکن بعدی به پیش‌بینی وضعیت‌های محیطی هستند. در حالی که این مدل‌ها در رباتیک پیشرفت کرده‌اند، penerapan این شبیه‌سازها در…

۴ دقیقه خواندن۱
چرا عامل‌های هوش مصنوعی در وظایف چندمرحله‌ای شکست می‌خورند و چگونه خطای خاموش را شناسایی کنیم
آموزش کاربردی

جایگزینی تاییدیه ابزار با داده‌های مرجع؛ راهکار مقابله با شکست‌های خاموش در

عامل‌های هوش مصنوعی اغلب بر اساس پاسخ‌های ابزارها گزارش موفقیت می‌دهند، در حالی که داده‌ها در واقع در پایگاه‌داده ذخیره نشده‌اند. برای رفع این «شکست‌های خاموش»، توسعه‌دهندگان باید…

۷ دقیقه خواندن
معماری یک معلم خصوصی واقعی‌زمان: آموزش کودک در کمتر از ۱۰۰۰ میلی‌ثانیه
آموزش کاربردی

معماری جدید Ello تأخیر پاسخ‌دهی هوش مصنوعی در آموزش کودکان را به زیر یک ثانیه

شرکت Ello با جداسازی فرآیند تولید پاسخ از اجرا و استفاده از برنامه‌ریزی ناهمگام، مشکل تأخیر در عامل‌های هوش مصنوعی را برای کودکان ۴ تا ۹ سال حل کرد. این رویکرد باعث می‌شود نرخ…

۹ دقیقه خواندن۱
نمونه‌ای کوچک برای بررسی هزینه‌محور باگ‌ها
آموزش کاربردی

«شکاف خوش‌بینی»؛ توهم موفقیت در عیب‌یابی AI بر اساس متادیتا

یک نمونه اولیه پایتونی با معرفی سیاست‌های «هزینه-آگاه»، استراتژی جمع‌آوری شواهد در عیب‌یابی کد را بازتعریف می‌کند. این پروژه یک «شکاف خوش‌بینی» خطرناک را افشا کرد: شواهد مبتنی بر…

۷ دقیقه خواندن۱