پرش به محتوای اصلی

موضوع

تجربه توسعه‌دهندگان

۵٬۱۸۵ مقاله منتشر شده

مدل Ornith-1.0 استقرار عامل‌های کدنویسی را از مهندسی دستی به یادگیری خودکار برد

DeepReinforce خانواده مدل‌های بازمتن Ornith-1.0 را معرفی کرد که قادرند ساختارهای اجرایی (Scaffolds) خود را طی یادگیری تقویتی بهینه کنند. مدل پرچم‌دار ۳۹۷ میلیارد پارامتری این…

۴ دقیقه خواندن
آموزش کاربردی

نقشه‌ی ۱۸ ساله‌ی Hacker News؛ گذار از دوران فریم‌ورک‌ها به عصر هوش مصنوعی

پلتفرم Hacker Trends با تحلیل ۴۵ میلیون پست و کامنت از سال ۲۰۰۸ تا ۲۰۲۶، روند تکامل نرم‌افزار را ترسیم کرده است. این داده‌ها نشان‌دهنده‌ی یک چرخش عظیم از ابزارهای سنتی وب به سوی…

۶ دقیقه خواندن۳

حمله زنجیره‌ای کره شمالی به توسعه‌دهندگان عامل‌های هوش مصنوعی

گروه هکری Sapphire Sleet با آلوده کردن ۱۴۰ بسته در فریم‌ورک Mastra، کلیدهای API و دسترسی‌های ابری توسعه‌دهندگان AI را سرقت کرد. این حمله به‌طور خاص سیستم‌های کدنویسی خودکار را هدف…

۷ دقیقه خواندن۱
آموزش کاربردی

تکه‌بندی عامل‌محور؛ راهکار جدید برای حذف توهمات در سیستم‌های RAG

روش‌های سنتی تکه‌بندی داده‌ها اغلب ایده‌ها را در میانه جملات قطع کرده و باعث توهم مدل می‌شوند. تکه‌بندی عامل‌محور با استفاده از مدل‌های زبانی، گزاره‌های اتمی را به‌صورت پویا…

۳ دقیقه خواندن

گوگل: کاهش کارمزد پلی‌استور به ۱۰٪ برای درآمدات تا ۱ میلیون دلار

گوگل در اقدامی برای پایان دادن به نزاعات حقوقی با اپیک گیمز، کارمزد ۳۰ درصدی خود را کاهش داد. از ۳۰ ژوئن ۲۰۲۶، توسعه‌دهندگان در آمریکا، بریتانیا و اروپا می‌توانند از سیستم‌های…

۲ دقیقه خواندن
آموزش کاربردی

۵ ترفند در pgvector تأخیر جست‌وجوی حافظه AI را از ۱۲۰۰ به ۶۵ میلی‌ثانیه رساند

یک توسعه‌دهنده با بهینه‌سازی لایه‌ی حافظه معنایی در PostgreSQL، سرعت بازیابی داده‌ها را ۱۸ برابر افزایش داد. این دستاورد ثابت می‌کند برای مجموعه‌های داده تا ۱۰۰ هزار بردار، نیازی…

۱۱ دقیقه خواندن
آموزش کاربردی

استریم لحظه‌ای لاگ‌ها در Orquesta؛ پایان بازی انتظار در دیباگ کدهای هوش مصنوعی

پلتفرم Orquesta با جایگزینی مدل «انتظار برای خروجی نهایی» با استریم لحظه‌ای لاگ‌ها، امکان شناسایی فوری خطاهای کدنویسی را فراهم کرد. این رویکرد به توسعه‌دهندگان اجازه می‌دهد تا…

۳ دقیقه خواندن۲
آموزش کاربردی

ترکیب LiteLLM و Correctover؛ استراتژی دفاع در عمق برای حذف توهمات مدل‌ها

LiteLLM دسترسی به مدل‌های مختلف را یکپارچه می‌کند، اما Correctover صحت پاسخ‌ها را می‌سنجد. ترکیب این دو ابزار، یک لایه حفاظتی ایجاد می‌کند که مانع از پذیرش پاسخ‌های منطقاً غلط اما…

۵ دقیقه خواندن۱