پرش به محتوای اصلی

موضوع

عامل‌محور

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

۷٬۳۳۲ مقاله منتشر شده

آموزش کاربردی

درون سازوکار درگاه ترکیبی برای جداسازی عملیات غیرقابل‌اعتماد AI

توسعه‌دهندگان برای استقرار عامل‌های هوش مصنوعی میان محیط‌های ایزوله ابری (برای امنیت) و محیط‌های محلی (برای سرعت) گیر کرده‌اند. مدل جدید «درگاه ترکیبی» اجازه می‌دهد وظایف…

۲۱ دقیقه خواندن۱
آموزش کاربردی

«مهارت‌های سفارشی»؛ راهکار جدید برای حفظ بافت پروژه در مدل‌های زبانی

برنامه‌نویسان می‌توانند با تعریف «مهارت‌های» سفارشی در Claude Code، نیاز به توضیح تکراری پروژه در هر جلسه را حذف کنند. این قابلیت با تزریق پویا (Dynamic Injection) از لاگ‌های git…

۱۰ دقیقه خواندن۱

گوگل در برابر OpenAI و Anthropic؛ شکاف ایمنی در عامل‌های هوشمند

محک جدید Fan-Out نشان می‌دهد مدل‌های گوگل در اجرای هم‌زمان چندین ابزار بدون ایجاد تداخل داده‌ای، از رقبای خود پیش بوده‌اند. این نتایج شکافی جدی در ایمنی عامل‌های هوشمند OpenAI و…

۳ دقیقه خواندن
آموزش کاربردی

Cloudflare: ساده‌سازی نظارت بر عامل‌ها در برابر محدودیت ذخیره‌سازی داده

کلودفلر یک API جست‌وجوی وب در حالت بتا عرضه کرد که به عنوان مسیریابی برای ارائه‌دهندگانی مثل Exa و Ceramic.ai عمل می‌کند. این ابزار مدیریت صورت‌حساب و نظارت بر عامل‌های هوشمند را…

۴ دقیقه خواندن
آموزش کاربردی

ConstraintBench: پاسخ‌های درست هوش مصنوعی لزوماً جریان‌های کاری را نجات نمی‌دهند

یک محک قطعی جدید نشان می‌دهد که مدل‌های استدلالی پیشرفته هنگام افزایش پیچیدگی پرامپت، در رعایت محدودیت‌های قالب‌بندی و ایمنی شکست می‌خورند. این یافته‌ها ثابت می‌کند که «صحت پاسخ»…

۸ دقیقه خواندن
آموزش کاربردی

رسیدهای «تأییدشده» در عامل‌های هوش مصنوعی ممکن است توخالی باشند

یک حسابرسی فنی نشان می‌دهد که خط لوله‌های اعتبارسنجی در عامل‌های هوش مصنوعی اغلب بدون اجرای هیچ بررسی واقعی، گزارش موفقیت صادر می‌کنند. این مطالعه ثابت می‌کند که متدهای متداول…

۶ دقیقه خواندن
آموزش کاربردی

«حذف خطاهای API»؛ دستاورد جدید انویدیا در بهینه‌سازی عامل‌های هوشمند

انویدیا دریافت که ارائه فایل‌های مشخصات ماشین‌خوان به عامل‌های هوش مصنوعی، توهمات و خطاهای API را به‌طور کامل حذف می‌کند. این رویکرد نرخ موفقیت را در ۶۵ سناریوی مختلف به ۱۰۰٪…

۵ دقیقه خواندن

KODA: اکوسیستم کدنویسی ۱۲ ساله که در محاسبات سنگین Claude Code را شکست داد

یک توسعه‌دهنده ۱۲ ساله با ساخت KODA ثابت کرد که محدودیت‌های سخت‌افزاری شدید می‌تواند منجر به معماری‌های بهینه‌تر شود. این سیستم در سناریوهای محاسباتی سنگین، عملکردی برتر از Claude…

۴ دقیقه خواندن۱
آموزش کاربردی

«تست زودگذر»؛ راهکاری برای سنجش کیفیت کتابخانه‌ها با عامل‌های AI

دانیل لمیر روش «تست زودگذر» را پیشنهاد می‌کند که در آن عامل‌های هوش مصنوعی برنامه‌های موقتی روی یک کتابخانه می‌سازند تا کیفیت آن را بسنجند. اگر عامل در ساخت برنامه شکست بخورد، این…

۲ دقیقه خواندن۲
آموزش کاربردی

محک TOOL JUDGMENT: عامل‌های هوش مصنوعی در تلهٔ استفادهٔ بیش‌ازحد از ابزارها

محک جدید TOOL JUDGMENT نشان می‌دهد عامل‌های هوش مصنوعی حتی زمانی که پاسخ در متن موجود است، به اشتباه از ابزارها استفاده می‌کنند. این مطالعه مفهوم «پشیمانی از ابزار» را برای سنجش…

۵ دقیقه خواندن۱

سازوکار «رزونانس» در سامانه ۱۳ عاملی؛ جایگزینی ارگانیک برای مدیریت مرکزی

یک توسعه‌دهنده رویکردی تجربی برای هماهنگی عامل‌های هوش مصنوعی معرفی کرده که به‌جای مدیریت متمرکز، بر سیگنال‌های محیطی تکیه دارد. این سیستم نشان می‌دهد که حذف سلسله‌مراتب می‌تواند…

۲ دقیقه خواندن
آموزش کاربردی

چارچوب R.A.H.S.I خطای کاربرد دانش درست در جای اشتباه را حذف می‌کند

چارچوب R.A.H.S.I با معرفی مفهوم «مرجعیت زمینه‌ای»، مانع از آن می‌شود که عامل‌های هوش مصنوعی داده‌های صحیح را برای موجودیت یا جغرافیای اشتباه به کار ببرند. این رویکرد تمرکز را از…

۲ دقیقه خواندن