
تنسنت لایهٔ حافظهٔ مشترک برای عاملهای برنامهنویسی را متنباز کرد
تنسنت با انتشار نسخه ۲.۰ سیستم TencentDB Agent Memory، امکان اشتراک دانش میان عاملهای هوش مصنوعی در سطح تیم را فراهم کرد. این سیستم برخلاف RAGهای معمولی، لایهای برای مدیریت…
موضوع
۴٬۴۲۳ مقاله منتشر شده

تنسنت با انتشار نسخه ۲.۰ سیستم TencentDB Agent Memory، امکان اشتراک دانش میان عاملهای هوش مصنوعی در سطح تیم را فراهم کرد. این سیستم برخلاف RAGهای معمولی، لایهای برای مدیریت…

عناوین شغلی در دنیای هوش مصنوعی اغلب گمراهکننده و بههمریخته هستند. این راهنما با تمرکز بر «محور مسئولیت»، تفاوتهای واقعی نقشهای مهندس AI، مهندس ML و دانشمند داده را برای…

پلتفرم Oxlo.ai با تغییر مدل هزینه از تعداد توکن به مبلغ ثابت بهازای هر درخواست، مانع مالی برای پردازش متنهای طولانی در عاملهای صوتی را برداشت. این رویکرد باعث کاهش تأخیر و…

انویدیا با معرفی NOOA، پیچیدگیهای توسعه عاملهای هوش مصنوعی را به ساختار استاندارد مهندسی نرمافزار منتقل کرد. این ابزار با کاهش ۵۰ درصدی مصرف توکن، دقت بالایی را در بنچمارکهای…

انویدیا یک خط لوله برای تولید بازیابیافزا (RAG) چندوجهی معرفی کرد که متن، جداول و نمودارهای PDF را از طریق سرویسهای NIM استخراج میکند. این سامانه با ترکیب مدلهای Nemotron و…

دیتابریکس چارچوبی برای مدیریت هزینههای تصاعدی کدنویسی عاملمحور معرفی کرد که اولویت را از «بیشترین هوش» به «مرز بهرهوری» تغییر میدهد. این استراتژی با ترکیب مسیریابی پویا و…

بررسی ۳۲۲ عامل هوش مصنوعی در یک بازار پرداختبه-درخواست نشان میدهد که این ماشینها بهجای استنتاج، به دنبال ابزارهای زیرساختی مثل حلکننده کپچا و دادههای کریپتو هستند. این…

ظرفیت اعلامشده برای پنجرههای متنی تنها یک سقف سختافزاری است، نه تضمینی برای کیفیت استخراج داده. توسعهدهندگان باید برای جلوگیری از خطاهای «گمشدن در میانه» و هزینههای تصاعدی،…

پلتفرم Oxlo.ai برای حذف «مالیات تأخیر» در سیستمهای تعاملی، پرداخت بر اساس توکن را با هزینه ثابت بهازای هر درخواست جایگزین کرد. این رویکرد به توسعهدهندگان اجازه میدهد بدون…

یک مطالعه بر روی ۷۲ آزمایش نشان میدهد که فشردهسازی خروجیهای ابزار در پروتکل MCP باعث میشود عاملها از انجام وظایفی که قادر به حل آنها هستند، صرفنظر کنند. این پژوهش ثابت…

یک راهنمای عملی جدید روش استقرار سامانه پروتکل زمینه مدل (MCP) را بهصورت محلی آموزش میدهد. توسعهدهندگان میتوانند با ترکیب Ollama، Docker و پایتون، عاملهایی بسازند که بدون…

مهندسی نرمافزار از کدنویسی دستی به سمت ارکستراسیون هوش مصنوعی حرکت میکند. در این مدل، عاملهای هوشمند بهطور مستقل برنامهریزی و اجرا میکنند و نقش برنامهنویس به هدایت این…