موضوع
Autonomous agents, tool use, planning, multi-step workflows
۶٬۲۱۷ مقاله منتشر شده
چارچوب متن‌باز MappingEvolve با استفاده از یک معماری عامل‌محور، کدهای نقشه‌برداری فناوری را تکامل می‌دهد. این ابزار در کاهش مساحت تراشه و بهینه‌سازی توازن میان مساحت و تأخیر،…
پژوهشگران چارچوب جدیدی به نام AGEL-Comp را معرفی کردند که با ترکیب منطق نمادین و شبکه‌های عصبی، ضعف مدل‌های زبانی در حل تکالیف پیچیده را برطرف می‌کند. این سیستم با جایگزینی…
هوش مصنوعی اغلب در ۳۰ درصد پایانی کارهای پیچیده شکست می‌خورد و باعث کاهش بهره‌وری می‌شود. راهکار خروج از این بن‌بست، جایگزینی پرامپت‌های ساده با یک گردش‌کار ساختاریافته و مبتنی بر…
پژوهشگران چارچوب SAS را معرفی کردند که به عامل‌های یادگیری تقویت‌شده اجازه می‌دهد بدون نیاز به بازآموزی، خود را با محیط‌های جدید تطبیق دهند. این سیستم با استفاده از «تخیل…
ابزارهای تجاری Meta شاهد جهشی ۱۰ برابری در میزان استفاده بوده‌اند و تعداد گفتگوهای هفتگی را به ۱۰ میلیون مورد رساندند. این شرکت اکنون با مدل Muse Spark در حال گسترش ابزارهای…
IBM با معرفی خانواده‌ی Granite 4.1 ثابت کرد که مدل‌های کوچک‌تر با داده‌های باکیفیت می‌توانند مدل‌های غول‌پیکر را شکست دهند. نسخه‌ی ۸ میلیاردی این مدل در بنچمارک‌های کلیدی، عملکرد…
عصر چت‌باکس‌های متنی به پایان می‌رسد و جای خود را به رابط کاربری زاینده می‌دهد. در این مدل، عامل‌ها به جای تولید متن، مؤلفه‌های بصری طراحی‌شده را فراخوانی می‌کنند تا اصطکاک کاربر…
پژوهشگران یک فایروال رفتاری جدید طراحی کرده‌اند که با استفاده از اتوماتای متناهی معین، نرخ موفقیت حملات به عامل‌های هوش مصنوعی را به ۲.۲٪ کاهش می‌دهد. این سیستم با جایگزینی…
ابزار جدیدی به نام CliGate دسترسی به مدل‌های Claude را از طریق زیرساخت گوگل ممکن کرده است. این پروکسی محلی با حذف نیاز به کلیدهای API جداگانه، هزینه‌ها و پیچیدگی‌های مدیریتی…
مدل جدید **Claude Mythos Preview** می‌تواند به‌طور خودکار نقاط ضعف زیرساخت‌های حیاتی را شناسایی و فعال کند. این تحول در حالی که ریسک سیستم‌های قدیمی را افزایش می‌دهد، مفهوم…
یک چارچوب سلسله‌مراتبی جدید با ترکیب قوانین قطعی و یادگیری تقویت‌شده، ایمنی پهپادها را در عملیات امداد و نجات متحول کرده است. این سیستم حتی بدون پیش‌آموزش، نرخ برخوردها را کاهش…
پژوهشگران یک عامل خودکار به نام XDFT طراحی کرده‌اند که دلیل شکست محاسبات نظریه تابعی چگالی در تطبیق با داده‌های تجربی را تشخیص می‌دهد. این سیستم با نرخ موفقیت ۷۸ درصد، به‌طور…