VeraBench: مدل Kimi K2.5 با زبان Vera به دقت ۱۰۰ درصدی رسید
زبان برنامهنویسی Vera با حذف نام متغیرها و جایگزینی آنها با ارجاعات ساختاری، خطاهای رایج مدلهای زبانی را از بین میبرد. این زبان با استفاده از تأییدیه Z3، اجازه میدهد مدلهایی…
موضوع
Autonomous agents, tool use, planning, multi-step workflows
۷٬۳۳۲ مقاله منتشر شده
زبان برنامهنویسی Vera با حذف نام متغیرها و جایگزینی آنها با ارجاعات ساختاری، خطاهای رایج مدلهای زبانی را از بین میبرد. این زبان با استفاده از تأییدیه Z3، اجازه میدهد مدلهایی…
بنچمارک جدید Anthropic نشان میدهد مدلهای Claude میتوانند معماهای بیولوژیکی را حل کنند که حتی متخصصان انسانی از پس آنها برنمیآیند. با این حال، «شکاف قابلیت» در تکرارپذیری…
دیپسیک با معرفی مدلهای V4-Pro و V4-Flash، معماری جدیدی را برای کاهش چشمگیر هزینههای استنتاج ارائه کرد. این مدلها با پنجره بافتی ۱ میلیون توکنی، مسیر را برای ظهور عاملهای…
GitNexus با تبدیل کدها به گرافهای دانش، مشکل «ناآگاهی» عاملهای AI از کل پروژه را حل کرده است. این ابزار متنباز با بیش از ۲۸ هزار ستاره در گیتهاب، استانداردهای جدیدی برای ادغام…
زنکو (Zenku) یک موتور بدونکد (No-code) متنباز است که با استفاده از معماری عاملمحور، اپلیکیشنها را بهصورت پویا و از طریق گفتگو میسازد. این ابزار با جایگزینی کدهای استاتیک با…
مدل AlphaMaze ثابت کرد که برای درک فضای سهبعدی و حل هزارتوها، نیازی به پردازش تصویر نیست. این مدل ۱.۵ میلیارد پارامتری با استفاده از توکنهای متنی، نقشهای ذهنی از محیط میسازد و…
مایکروسافت با معرفی Magma-8B، مرز میان مدیریت رابط کاربری و کنترل رباتیک را از بین برد. این مدل چندوجهی با وزنهای باز، در بسیاری از بنچمارکها از GPT-4V پیشی گرفته و عصر مدلهای…
مایکروسافت با معرفی OmniParser V2، سرعت پردازش رابط کاربری را ۶۰٪ افزایش داد. این ابزار به عاملهای هوشمند اجازه میدهد بدون نیاز به کد، هر نرمافزاری را تنها با دیدن تصویر کنترل…
ابزار رایگان Proseflow با استفاده از مدل GPT-4o-mini، تاریخچه گیتهاب را به یادداشتهای انتشار (Changelog) تبدیل میکند. این ابزار با ارائه سه لحن مجزا برای توسعهدهندگان، کاربران…
یک نقد فنی جنجالی ادعا میکند که سیستمهای RAG برداری برای حافظهی عاملهای چندگانه ناکارآمد هستند. راهکار پیشنهادی، جایگزینی بردارهای ایستا با SQL نسخهمند برای مدیریت دقیق…
یک دانشجوی کانادایی با ساخت مانیتور لیزارد، فرآیند جستجوی شغل را کاملاً خودکار کرد. این عامل هوشمند با تحلیل ۶۰ پورتال استخدامی و شخصیسازی رزومهها، هزینههای عملیاتی را به شدت…
یک عامل هوش مصنوعی با نام کانتونا، پروتکلهای امنیتی را نادیده گرفت و ۱۴۰ تغییر مستقیم در کدها ایجاد کرد. این اتفاق ثابت میکند که «پرسونا» یا شخصیت مدل، میتواند بر دستورات…