پرش به محتوای اصلی

موضوع

عامل‌محور

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

۶٬۳۲۵ مقاله منتشر شده

پاکسازی منابع شخصی: چگونه مهارت‌های هرمس امنیت را حفظ می‌کند
آموزش کاربردی

چگونه پاک‌سازی مستندات فنی، عامل‌های هوش مصنوعی را قابل‌حمل می‌کند؟

مخزن Hermes Skills با حذف شناسه‌های شخصی سخت‌افزاری از مستندات و فایل‌های تنظیمات، امنیت عامل‌های هوش مصنوعی را ارتقا داد. این اقدام باعث می‌شود ادغام‌های مربوط به شبیه‌سازی صدا و…

۲ دقیقه خواندن۱
آیا یک لایه کافی است؟ آموزش یک لایه ترنسفورمر می‌تواند با آموزش تقویتی کامل برابری کند.

آیا آموزش یک لایه مجزا برای بهبود عملکرد مدل‌های زبانی کافی است؟

پژوهش‌های جدید نشان می‌دهد دستاوردهای یادگیری تقویتی در مدل‌های زبانی بزرگ به‌جای توزیع در کل مدل، در چند لایه میانی متمرکز شده‌اند. آموزش تنها یک لایه مجزا می‌تواند بخش بزرگی از…

۲ دقیقه خواندن۱
API حل‌کننده CAPTCHA با هوش مصنوعی برای افزایش کارایی اتوماسیون
آموزش کاربردی

حذف گلوگاه‌های امنیتی در اتوماسیون سازمانی با APIهای حل‌کننده کپچا

سرویس‌های حل کپچا مبتنی بر هوش مصنوعی، موانع تأیید دستی را برای توسعه‌دهندگان حذف کرده‌اند. این ابزارها با استفاده از یادگیری ماشین در تشخیص تصاویر، امکان مقیاس‌پذیری جریان‌های…

۵ دقیقه خواندن
ابزار متن‌باز ghealth برای دسترسی به داده‌های سلامت فیت‌بیت از طریق خط فرمان
آموزش کاربردی

ghealth: ابزاری برای تبدیل داده‌های Fitbit و Pixel Watch به خوراک مدل‌های زبانی

ابزار متن‌باز ghealth با ایجاد یک رابط خط فرمان (CLI) برای API نسخه ۴ گوگل، استخراج داده‌های سلامت را تسهیل می‌کند. این ابزار به گونه‌ای طراحی شده تا معیارهای زیستی را به‌طور…

۴ دقیقه خواندن
بازبینی: اشکال‌زدایی عامل‌های هوش مصنوعی با بازپخش و انشعاب اجراها | Product Hunt
آموزش کاربردی

«دیباگ کردن عامل‌های هوشمند»؛ رویکرد Retrace برای مدیریت نوسانات مدل‌ها

ابزار Retrace با معرفی مکانیزم بازپخش (Replay) و فورک (Fork) در اجرای کد، مشکل عدم قطعیت در پاسخ‌های مدل‌های زبانی را برای توسعه‌دهندگان حل می‌کند. این سیستم اجازه می‌دهد تا…

۱ دقیقه خواندن۲
نوار ابزار ویندوز با دکمه‌های میکروفون و کیبورد، نشان‌دهنده فعال‌سازی صوتی Codex

Opus 4.8 با نرخ موفقیت ۲۶ درصدی در وظایف پیچیده کدنویسی پیشتازی کرد

داده‌های جدید شکاف عمیقی را میان بنچمارک‌های کوتاه و وظایف واقعی-طولانی کدنویسی نشان می‌دهند. مدل Opus 4.8 در جریان‌های کاری چندساعته و پیچیده، عملکردی به‌مراتب برتر از رقبا دارد.

۴ دقیقه خواندن
اجازه دادم به عامل‌های هوش مصنوعی‌ام پرامپت‌هایشان را بازنویسی کنند. سخت‌ترین بخش، جلوگیری از بدتر شدنشان بود.
آموزش کاربردی

darwin-agents: مهار «لغزش» عامل‌های هوشمند با درگاه‌های اعتبارسنجی خودکار

چارچوب جدید TypeScript به نام darwin-agents اجازه می‌دهد عامل‌های هوش مصنوعی پرامپت‌های خود را بازنویسی کنند، اما برای جلوگیری از افت کیفیت، آن‌ها را از درگاه‌های سخت‌گیرانه عبور…

۶ دقیقه خواندن
موتور پیش‌بینی بازار چندعاملی: حدس نزن، شبیه‌سازی کن.
آموزش کاربردی

MarketFish: شبیه‌سازی بازار با ۱۲۸ مصرف‌کنندهٔ مجازی برای پیش‌بینی موفقیت محصول

پلتفرم MarketFish با ایجاد ۱۲۸ شخصیت متنوع از هوش مصنوعی، امکان تست ایده‌های تجاری را پیش از تولید کد فراهم می‌کند. این ابزار به‌جای پرس‌وجوهای ساده، ۳۰ دور شبیه‌سازی برای…

۳ دقیقه خواندن۳
خطاهای API مدل زبانی را مثل خطاهای معمولی HTTP نپذیرید
آموزش کاربردی

تکرار کورکورانه در APIهای هوش مصنوعی؛ مسیری به سوی بحران‌های هزینه‌ای و فنی

مدیریت خطاهای API در مدل‌های زبانی بزرگ مشابه سرویس‌های REST معمولی، منجر به افزایش هزینه‌ها و ایجاد اثرات جانبی تکراری می‌شود. مهندسان باید یک تاکسونومی خطای آگاه از وظیفه را…

۸ دقیقه خواندن