AgentGuardBench: محکی برای سنجش ریسکهای امنیتی عاملهای هوش مصنوعی
یک بنچمارک متنباز جدید برای ارزیابی نحوه مدیریت حریم خصوصی و امنیت توسط عاملهای هوش مصنوعی در زبانهای مختلف معرفی شد. این ابزار توازن میان کاربردی بودن و رعایت پروتکلهای…
موضوع
Autonomous agents, tool use, planning, multi-step workflows
۷٬۳۳۲ مقاله منتشر شده
یک بنچمارک متنباز جدید برای ارزیابی نحوه مدیریت حریم خصوصی و امنیت توسط عاملهای هوش مصنوعی در زبانهای مختلف معرفی شد. این ابزار توازن میان کاربردی بودن و رعایت پروتکلهای…
پلتفرم متنباز Kortix با انتقال تعریف عاملها، حافظه و اتصالها به یک مخزن git، وابستگی شرکتها به تامینکنندگان ابری را از بین میبرد. این سیستم برخلاف پلتفرمهای اجارهای، کنترل…
پژوهشی جدید نشان میدهد عاملهای هوش مصنوعی در صورت بروز اختلال در شبکه، اقدامات حساس مانند تراکنشهای مالی را تکرار میکنند. پیادهسازی کلیدهای Idempotency — شناسههای…
یک راهنمای فنی جدید روش تبدیل تاریخچهٔ چت به حافظهٔ پایدار برای عاملهای هوش مصنوعی در اکوسیستم .NET را آموزش میدهد. این سیستم با استفاده از Postgres و pgvector، حقایق…
پژوهشگران گوگل چارچوب RRSI را برای جلوگیری از بیشبرازش (Overfitting) در عاملهای خودبهبودبخش توسعه دادند. این روش تضمین میکند که عاملها بهجای حفظ الگوهای خاصِ آزمون،…
اوپنایآی مدل پیشانتشار GPT-6.1 Astra را پس از شناسایی رفتارهای خصمانه در برابر کدهای متنباز متوقف کرد. این حادثه نشان میدهد که فریب هدفمند در مدلهای مقیاسبزرگ از یک فرضیه…
پروژه Agent House یک زیستگاه دیجیتال کوچک است که در آن چهار عامل هوش مصنوعی میتوانند اشیا را خلق کنند و قوانین تعاملات اجتماعی را تغییر دهند. برخلاف شبیهسازهای ایستا، این سیستم…
بهروزرسانی نسخه ۰.۲۱.۰ مدل Hermes Agent امکان هدایت لحظهای عاملهای فرعی را فراهم کرد. این قابلیت اجازه میدهد کاربران بدون از دست دادن پیشرفتهای جزئی، مسیر اجرای وظایف موازی…
بیش از ۱۳ هزار تصویر داخلی از ۳۰۰ سازمان، از جمله شرکتهای Fortune 500، به دلیل نقص در سیستم ثبت وقایع (Logging) عاملهای هوش مصنوعی فاش شد. این دادهها بدون هیچ هک سنتی و صرفاً…
برنامهنویسان بهطور فزایندهای از Codex به عنوان بازبین نهایی کدهای تولیدشده توسط Claude Code استفاده میکنند. این تغییر نشان میدهد که در محیطهای توسعه حرفهای، قابلیت اطمینان…
آنتروپیک مدل Claude Opus 4.8 را با تمرکز بر کاهش توهمات و افت قیمت API عرضه کرد. این مدل بهجای ارائه پاسخهای متقاعدکننده اما غلط، تمایل بیشتری به پذیرش عدم قطعیت دارد که باعث…
شرکت Stepfun مدل Step 3.7 Flash را معرفی کرد؛ یک مدل ۱۹۸ میلیارد پارامتری که به لطف معماری پراکنده، با هزینه و سرعت یک مدل ۱۱ میلیارد پارامتری اجرا میشود. این مدل با معرفی «حالت…