پرش به محتوای اصلی

موضوع

مدل‌های بازوزن

Open-source models, open weights, local hosting, licensing

۲٬۰۳۶ مقاله منتشر شده

سپر سری: Regex ۰٪، Prompt Guard ۲ فقط ۱٪ از ۶۲۹ حمله پنهان‌شده در خروجی ابزار را شناسایی کرد.

مدل Prompt Guard 2 متا تنها ۱٪ از حملات تزریق پرامپت را شناسایی می‌کند

محک جدید AgentDojo نشان می‌دهد تشخیص‌دهنده‌های متن‌باز در برابر حملات تزریق پرامپت که در خروجی ابزارها پنهان شده‌اند، تقریباً ناتوان‌اند. مدل Prompt Guard 2 متا و فیلترهای مبتنی…

۷ دقیقه خواندن۲
مقایسه پایگاه‌داده برداری: ۷ ابزار خودمیزبان—تفاوت‌های واقعی چیست
آموزش کاربردی

۷ پایگاه‌داده برداری متن‌باز برای مدیریت حافظه رم و مقیاس‌پذیری

بررسی هفت پایگاه‌داده برداری متن‌باز نشان می‌دهد که مرز اصلی میان ابزارهای سبک و موتورهای مقیاس‌پذیر، میزان حافظه رم مورد نیاز است. انتخاب ابزار مناسب بر اساس محدودیت‌های…

۲ دقیقه خواندن۲
چارچوب RAG: مقایسه ۴ ابزار (مجوز، حداقل RAM GPU، قابلیت آفلاین)
آموزش کاربردی

مقایسه ۴ چارچوب RAG: تفاوت‌های حیاتی در سخت‌افزار و حریم خصوصی

بررسی فنی چهار چارچوب پیشرو در تولید بازیابی‌افزا (RAG) تفاوت‌های بنیادینی را در مجوزها، نیازهای سخت‌افزاری و قابلیت‌های آفلاین آشکار می‌کند. این داده‌ها به توسعه‌دهندگان کمک…

۱ دقیقه خواندن۳
مجوز MIT سازمانی: پذیرش ضروری هوش مصنوعی در ۲۰۲۶
آموزش کاربردی

«مجوزهای باز»؛ کلید ورود سریع‌تر هوش مصنوعی به محیط‌های سازمانی

شرکت‌ها برای کاهش اصطکاک‌های حقوقی و تجاری‌سازی سریع‌تر، به مجوز MIT در پروژه‌های هوش مصنوعی روی آورده‌اند. با وجود انعطاف‌پذیری بالا، تیم‌های فنی همچنان باید سازگاری وزن‌های مدل…

۴ دقیقه خواندن۱
مدل ۷ میلیون پارامتری که می‌داند چه زمانی نه بگوید
آموزش کاربردی

«امتناع صادقانه»؛ استراتژی مدل ۷ میلیونی برای بهینه‌سازی منابع

یک مدل بسیار کوچک با ۷.۲ میلیون پارامتر به عنوان لایه تریاژ برای درخواست‌های هوش مصنوعی معرفی شده است. این سیستم با تشخیص وظایف ساده و ارجاع آن‌ها به ابزارهای ارزان، از اتلاف…

۳ دقیقه خواندن
ساخت لایه حاکمیت برای عامل‌های کدنویسی هوش مصنوعی: آنچه آموختم
آموزش کاربردی

درون سازوکار NAEOS برای سنجش لحظه‌ای اقدامات عامل‌های هوش مصنوعی

پروژه متن‌باز NAEOS یک لایه حاکمیتی برای کنترل عامل‌های هوش مصنوعی کدنویس ایجاد کرده است. این سامانه اجازه نمی‌دهد مدل‌ها مستقیماً دستورات را اجرا کنند و هر اقدام را پیش از اجرا…

۳ دقیقه خواندن
عامل کدنویسی هوش مصنوعی شما یک بازبین امنیتی است. فقط به یک خلاصه نیاز دارد.
آموزش کاربردی

پروژه secfoo: جایگزینی پرامپت‌های مبهم با مهارت‌های ساختاریافته برای تکرارپذیری

ابزار متن‌باز secfoo با جایگزینی پرامپت‌های مبهم با «مهارت‌های» ساختاریافته، تکرارپذیری بررسی‌های امنیتی توسط هوش مصنوعی را تضمین می‌کند. این ابزار با تعریف قراردادهای خروجی ثابت،…

۳ دقیقه خواندن۲
خروجی‌های ساختاریافته: دریافت JSON قابل اعتماد از مدل‌های زبانی بزرگ
آموزش کاربردی

پشتهٔ چهارلایه برای حذف خطاهای JSON در خروجی‌های مدل‌های زبانی

خطاهای ساختاری در خروجی‌های JSON مدل‌های زبانی دیگر یک مشکل حل‌نشده نیستند. با جایگزینی روش «پرامپت و دعا» با یک خط لوله دترمینیستیک شامل طرحواره‌های سخت‌گیرانه و رمزگشایی محدود،…

۷ دقیقه خواندن۲
عروسک فیلسوف — یک اسباب‌بازی هوش مصنوعی DIY که ۱۰۰٪ به‌صورت محلی اجرا می‌شود
آموزش کاربردی

عروسک فیلسوف: ساخت هوش مصنوعی ۱۰۰٪ محلی با هزینه ۱۱۰ یورو

یک پروژه متن‌باز جدید امکان ساخت عروسک‌های هوشمند را فراهم می‌کند که بدون نیاز به اینترنت، چهره‌ها را شناسایی کرده و گفتگوهای فلسفی می‌کنند. این سیستم تمام پردازش‌ها را در شبکه…

۳ دقیقه خواندن