پرش به محتوای اصلی

موضوع

تجربه توسعه‌دهندگان

۵٬۱۸۵ مقاله منتشر شده

TFD-Bench: نرخ رفع باگ‌های هوش مصنوعی با حلقه‌های بازخورد به ۴۵.۶٪ رسید

یک محک جدید نشان می‌دهد اجبار عامل‌های هوش مصنوعی به بازتولید باگ‌ها از طریق تست، پیش از اقدام به اصلاح، نرخ موفقیت را به‌شدت افزایش و اتلاف توکن را کاهش می‌دهد. پیکربندی…

۶ دقیقه خواندن
آموزش کاربردی

استاندارد باز MCP در برابر روش‌های پراکندهٔ اتصال داده به مدل‌ها

شرکت آنتروپیک با معرفی پروتکل زمینهٔ مدل (MCP)، لایه‌ای جهانی برای اتصال مدل‌های هوش مصنوعی به منابع داده خارجی ایجاد کرد. این استاندارد باز، جایگزین ادغام‌های سفارشی و پراکنده…

۱۱ دقیقه خواندن
آموزش کاربردی

Baize با متمرکز کردن APIهای تجاری، مدیریت عامل‌های هوش مصنوعی را ساده کرد

پروژه Baize با ایجاد یک لایه اجرای متمرکز، مشکل پراکندگی تنظیمات API در کلاینت‌های مختلف هوش مصنوعی را حل می‌کند. این ابزار از طریق پروتکل MCP، امکان اشتراک‌گذاری امن و یکپارچه…

۵ دقیقه خواندن

سرمایه‌گذاری ۸۷۰ میلیون دلاری در TypeSafe برای جایگزینی چت‌بات‌ها با مدل‌های

استارتاپ TypeSafe AI با جذب ۸۷۰ میلیون دلار سرمایه و ارزش‌گذاری ۷.۵ میلیارد دلاری، مدل Jev را معرفی کرد. این مدل به‌جای تولید متن، احتمالات کالیبره‌شده برای تصمیم‌گیری‌های سریع و…

۴ دقیقه خواندن۱
آموزش کاربردی

خطاهای بنچمارک cli-bench عملکرد مدل‌های کدنویسی را کمتر از واقع نشان داد

بررسی جدید روی بنچمارک cli-bench نشان می‌دهد بسیاری از شکست‌های مدل‌های هوش مصنوعی در کدنویسی، ناشی از باگ‌های محیطی و اسکریپت‌های ارزیابی غلط بوده است. این مطالعه فاش کرد که…

۷ دقیقه خواندن
آموزش کاربردی

جایگزینی پرامپت با نقشه‌برداری چهره در سیستم ویدیوهای Rumpelstiltskin

یک گردش‌کار جدید در تولید ویدیو، مهندسی پرامپت پیچیده را با نقشه‌برداری مستقیم چهره بر روی صحنه‌های پیش‌فرض جایگزین کرده است. این سیستم به‌جای تولید ویدیوهای تصادفی، بر تبدیل‌های…

۳ دقیقه خواندن
آموزش کاربردی

تحلیل عملکرد عامل‌ها: مانیفست هدفمند نویز پرامپت را کاهش می‌دهد

پست کردن کل مخازن کد در پرامپت‌ها باعث ایجاد نویز شده و استدلال مدل را مختل می‌کند. استفاده از یک «مانیفست هدفمند» برای اولویت‌بندی فایل‌های کلیدی، دقت عامل‌ها را به‌شدت افزایش…

۳ دقیقه خواندن۲
آموزش کاربردی

هش‌کردن آرگومان‌ها در برابر کلیدهای Idempotency برای تضمین صحت پاسخ

اتکای صرف به کلیدهای Idempotency می‌تواند منجر به «دروغ‌های خاموش» شود؛ جایی که عامل تصور می‌کند درخواست اصلاح‌شده با موفقیت اجرا شده، در حالی که سرور صرفاً رسیدِ درخواست قبلی را…

۵ دقیقه خواندن

سرمایه‌گذاری ۸۷۰ میلیون دلاری در TypeSafe برای جایگزینی متن با تصمیمات

شرکت TypeSafe AI با جذب ۸۷۰ میلیون دلار سرمایه و ارزش‌گذاری ۷.۵ میلیارد دلاری، مدل Jev را برای اتوماسیون نرم‌افزاری معرفی کرد. این مدل به‌جای تولید متن، تصمیمات کدنویسی دقیق و…

۵ دقیقه خواندن