موضوع
۴٬۳۴۱ مقاله منتشر شده
عامل‌های GitHub Copilot می‌توانند کدها را بازبینی کرده و بازخورد دهند، اما اجازه تأیید نهایی (Approval) برای ادغام کد را ندارند. توسعه‌دهندگان انسانی باید همچنان تمام تغییرات…
کودی هو و تیمش با استفاده از مدل‌های زبانی پیشرفته، سخت‌افزار گرافیکی M4 اپل را مهندسی معکوس کرده و یک درایور سازگار با OpenGL ES 3.0 ساختند. این پروژه نشان می‌دهد که عامل‌های هوش…
شرکت TypeSafe AI مدل Jev را معرفی کرد؛ سیستمی که به‌جای تولید متن، بر تصمیمات ساختاریافته و سریع تمرکز دارد. این مدل با حذف فرآیند تولید رشته‌های متنی، تا ۲۰۰ برابر سریع‌تر از…
بررسی یک سیستم حافظه محلی نشان می‌دهد که مدل‌های هوش مصنوعی با وجود دقت بالا در یافتن خاطرات، حجم عظیمی از داده‌های بی‌ربط را وارد پنجره متنی می‌کنند. این یافته ثابت می‌کند معیار…
ابزار متن‌باز myc با استفاده از قلاب PreCompact، تصمیمات حیاتی مهندسی را پیش از پاک‌شدن از حافظه موقت عامل‌های هوش مصنوعی ذخیره می‌کند. این سیستم یک لایه حافظه تأییدشده توسط انسان…
مجموعه‌های ارزیابی ایستا در عامل‌های هوش مصنوعی به‌سرعت منسوخ می‌شوند و خطاهای واقعی تولید را می‌پوشانند. چارچوب جدید گوگل ADK یک چرخه کنترل‌شده برای تبدیل شکست‌های محیط عملیاتی…
تحلیل‌های جدید نشان می‌دهد مدل‌های ارزان‌تر Anthropic برای فعال‌سازی حافظه (Caching) به متون بسیار طولانی‌تری نیاز دارند. این تضاد باعث می‌شود در بسیاری از موارد، استفاده از…
راهنمای فنی buttercup.sh فاش می‌کند که عامل‌های هوش مصنوعی نه چارچوب‌هایی پیچیده، بلکه حلقه‌های ساده‌ای هستند که ابزارها را درخواست و اجرا می‌کنند. این گزارش هشدار می‌دهد که عدم…
شرکت G5 Labs با هدف حل بحران مدیریت کدهای تولیدشده توسط هوش مصنوعی، لایه‌ای انتزاعی می‌سازد که در آن «قصد کاربر» به‌جای کد، به عنوان منبع اصلی نرم‌افزار شناخته می‌شود. این رویکرد…
گوگل از مدل‌های Gemini 3.8 Live و Extended Thinking رونمایی کرد که برای استدلال چندمرحله‌ای و تعاملات صوتی بلادرنگ طراحی شده‌اند. این مدل‌ها با ادغام در اکوسیستم Workspace و API…
یک چارچوب تست جدید با جداسازی تست‌های نوشته‌شده توسط هوش مصنوعی از بررسی‌های انسانی، مانع از تأیید خودکار کدهای غلط می‌شود. این سیستم با الزام وجود یک «شاهد» برای هر خط کد، توهم…
بسیاری از توسعه‌دهندگان خروجی متنی مدل‌ها را با اجرای واقعی دستورات در سیستم اشتباه می‌گیرند. چارچوب جدیدی پیشنهاد می‌دهد که برای جلوگیری از «موفقیت‌های کاذب»، لایه‌های مدل، ابزار…