پرش به محتوای اصلی

موضوع

عامل‌محور

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

۶٬۲۷۵ مقاله منتشر شده

استپ‌فان مدل Step 5 Preview را معرفی کرد: MoE با ۶۰۰ میلیارد پارامتر و پنجره زمانی یک میلیون توکن برای وظایف عاملی پیچیده

StepFun: کاهش هزینه‌های عملیاتی در مهندسی با مدل ۶۰۰ میلیارد پارامتری

شرکت StepFun مدل Step 5 Preview را با معماری ترکیب خبره‌ها و ۶۰۰ میلیارد پارامتر معرفی کرد. این مدل با تمرکز بر کاهش هزینه‌های عملیاتی در کارهای تخصصی مهندسی و مالی، پنجره متنی یک…

۴ دقیقه خواندن
درخواست شکستن لایه تأیید قبل از اجرا: نتایج یک آزمایش
آموزش کاربردی

کتابخانه FreshCtx جلوی اجرای دستورات منقضی‌شده در عامل‌های هوش مصنوعی را می‌گیرد

یک توسعه‌دهنده با معرفی FreshCtx، مشکل «برنامه‌های منقضی‌شده» در عامل‌های هوش مصنوعی را حل کرد. این ابزار با اعتبارسنجی لحظه‌ای وابستگی‌ها درست پیش از اجرا، از انجام عملیات بر…

۴ دقیقه خواندن۲
مقایسه قانون CLAUDE.md و قلاب PreToolUse: هر دو ۵ از ۵ را نگه داشتند، سپس کاربر گفت «اجازه می‌دهم»
آموزش کاربردی

قلاب‌های PreToolUse در Claude Code سد محکمی در برابر دستورات کاربر هستند

آزمونی مقایسه‌ای نشان می‌دهد که قوانین CLAUDE.md تنها راهنمای رفتار مدل هستند، اما قلاب‌های PreToolUse می‌توانند محدودیت‌های سخت‌گیرانه را حتی در برابر تأیید صریح کاربر اجرا کنند.…

۱۴ دقیقه خواندن۲
حفاظت از پایگاه داده در برابر پرسش‌های مخرب هوش مصنوعی
آموزش کاربردی

۵ لایه حفاظتی برای جلوگیری از فروپاشی پایگاه‌داده توسط SQLهای تولیدی

دسترسی‌های Read-only برای مقابله با عامل‌های هوش مصنوعی کافی نیستند، زیرا پرس‌وجوهای سنگین می‌توانند منابع سیستم را به‌طور کامل مصرف کنند. پیاده‌سازی محدودیت‌های زمانی، سقف تعداد…

۸ دقیقه خواندن۲
بررسی‌شده در مارس، سند آوریل نیست: ۴ درس طراحی برای بسته‌های اعتماد بین عامل‌ها
آموزش کاربردی

پروتکل Trust Card حفره‌های امنیتی انتقال حافظه بین عامل‌های AI را بست

چارچوب جدید «کارت‌های اعتماد» با تثبیت ساعت ارزیابی و تست‌های خصمانه، از حملات بازپخش و مسموم‌سازی ابزار در سامانه‌های چندعاملی جلوگیری می‌کند. این رویکرد اجازه می‌دهد حالت‌های…

۵ دقیقه خواندن۲
بررسی‌شده در مارس، سند آوریل نیست: ۴ درس طراحی برای بسته‌های اعتماد بین عامل‌ها
آموزش کاربردی

چهار اصل طراحی برای انتقال امن حافظه بین عامل‌های هوش مصنوعی

یک چارچوب جدید برای «بسته‌های حافظه مهروموم‌شده» ریسک دست‌کاری وضعیت داده‌ها هنگام انتقال بین عامل‌های AI را کاهش می‌دهد. این رویکرد با تثبیت ساعت‌های ارزیابی و استفاده از دفاتر…

۳ دقیقه خواندن۱