پرش به محتوای اصلی

موضوع

عامل‌محور

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

۷٬۳۳۲ مقاله منتشر شده

رمزگشایی از FutureWorld: یادگیری از اتفاقاتی که هنوز نیفتاده‌اند

پژوهشگران محیط FutureWorld را برای آموزش عامل‌های هوش مصنوعی زاینده به پیش‌بینی رویدادهای واقعی طراحی کرده‌اند. این سیستم با بستن حلقه‌ی یادگیری بین پیش‌بینی و نتیجه، امکان تکامل…

۲ دقیقه خواندن

پایان توهم توافق: چگونه AI Council صدای مخالف را بازمی‌گرداند

پژوهشگران چارچوب جدیدی به نام AI Council را برای مقابله با «توافق مصنوعی» در شبیه‌سازی‌های چند-عاملی معرفی کردند. این روش با جایگزینی مدل‌های متنوع ۷ تا ۹ میلیارد پارامتری، مانع…

۲ دقیقه خواندن۱

نقص پنهانی در حافظه‌ی مدل‌های زبانی که آن‌ها را رباتیک نگه می‌دارد

پژوهشگران با معرفی StratMem-Bench ثابت کردند که مدل‌های زبانی بزرگ در استفاده استراتژیک از حافظه برای تعاملات اجتماعی شکست می‌خورند. این یافته نشان می‌دهد که مدل‌ها علی‌رغم…

۳ دقیقه خواندن

چرا هیچ «بهترین» دستیار هوش مصنوعی برای مدیریت کریپتو وجود ندارد

پژوهشگران با معرفی بنچمارک LATTICE ثابت کردند که عامل‌های کریپتو در کیفیت پشتیبانی از تصمیمات کاربر تفاوت‌های شدیدی دارند. این نتایج نشان می‌دهد که هیچ ابزار واحدی برای تمام…

۲ دقیقه خواندن۱

چگونه SciHorizon-DataEVA استاندارد «آمادگی برای هوش مصنوعی» را خودکار کرد

پژوهشگران سیستمی عامل‌محور به نام SciHorizon-DataEVA طراحی کرده‌اند که آمادگی داده‌های علمی برای ادغام در هوش مصنوعی را ارزیابی می‌کند. این ابزار با جایگزینی بازبینی دستی، کیفیت و…

۲ دقیقه خواندن۱

چرا تنظیم دقیق مدل‌های زبانی، ایمنی ربات‌های پزشکی را تضمین نمی‌کند؟

بررسی ۷۲ مدل زبانی نشان می‌دهد که بیش از نیمی از آن‌ها در کنترل ربات‌های پزشکی، اخلاقیات حیاتی را نقض می‌کنند. این شکاف ایمنی، به‌ویژه در مدل‌های وزن‌باز، استقرار این فناوری در…

۲ دقیقه خواندن۱
آموزش کاربردی

پایان عصر لایسنس‌های گران‌قیمت: Mike انحصار هوش مصنوعی حقوقی را می‌شکند

پلتفرم متن‌باز Mike با جایگزینی لایسنس‌های گران‌قیمت با مدل استفاده از API، کنترل زیرساخت‌های هوش مصنوعی را به دفاتر حقوقی بازمی‌گرداند. این ابزار اجازه می‌دهد مدل‌های قدرتمندی…

۳ دقیقه خواندن۴