پرش به محتوای اصلی

موضوع

مدل‌های بازوزن

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

۲٬۳۹۶ مقاله منتشر شده

آموزش کاربردی

۲۰٪ از تنظیمات عامل‌های هوش مصنوعی دارای حفره‌های امنیتی بحرانی هستند

تجزیه و تحلیل ۱۲۰۰ پیکربندی پروتکل زمینه مدل (MCP) نشان می‌دهد که تمامی آن‌ها دارای آسیب‌پذیری هستند. بیش از ۲۰٪ این موارد شامل مخاطرات بحرانی مانند دسترسی نامحدود به شل (Shell) و…

۸ دقیقه خواندن

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

چرا مدل‌های ترکیبی Olmo در کپی‌برداری دقیق از ترنسفورمرها ضعیف‌ترند؟

پژوهشگران دریافتند که معماری‌های ترکیبی (Hybrid) در درک کلمات محتوایی و ردیابی وضعیت‌های پیچیده موفق‌تر هستند. با این حال، این مدل‌ها در کپی‌برداری دقیق و تطبیق ساختاری، همچنان…

۶ 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
آموزش کاربردی

«ویرایش دستی حقایق»؛ قابلیت جدید AIClaw برای مدیریت حافظه عامل‌های AI

پروژه AIClaw با جداسازی حافظه دائمی از آرشیو گفتگوها، مشکل «تداوم حافظه» در عامل‌های هوشمند را حل کرده است. این معماری از شلوغ شدن پرامپت‌ها جلوگیری کرده و امکان ویرایش دستی حقایق…

۴ دقیقه خواندن۱
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