موضوع
RAG architectures, vector stores, grounding LLMs in private data
۱٬۲۱۶ مقاله منتشر شده
مایکروسافت با ادغام Azure Content Understanding در Foundry IQ، امکان استناد دقیق عامل‌های هوش مصنوعی به ثانیه‌ها و فریم‌های تصویری ویدیوها را فراهم کرد. این قابلیت با تبدیل…
شرکت EarthLink Network با ساخت ۱۸ ابزار داخلی، تمام عملیات خود را بر پایه هوش مصنوعی بازطراحی کرده است. در این مدل، نقش انسان از اجرای کارهای روتین به قضاوت‌های سطح بالا تغییر…
سیستم حافظه ترکیبی Muninn توانسته است بدون کاهش چشم‌گیر دقت، زمان پاسخ‌دهی عامل‌های هوش مصنوعی را از چندین دقیقه به زیر ۳ ثانیه کاهش دهد. توسعه‌دهنده این سیستم بر تضاد میان…
یک قرارداد اجتماعی جدید به نام llms.txt به مالکان وب‌سایت اجازه می‌دهد فهرستی منتخب از صفحات کلیدی را برای خزنده‌های هوش مصنوعی فراهم کنند. این فایل برخلاف robots.txt، دسترسی را…
عامل‌های هوش مصنوعی به‌دلیل پدیده «لغزش زمینه»، دستورات اولیه را با رشد تاریخچه گفتگو فراموش می‌کنند. معماری جدید با انتقال حافظه به ذخیره‌سازهای معنایی و مدیریت خودکار وضعیت، این…
یک تحلیل فنی نشان می‌دهد داشبوردهای نظارتی RAG با نادیده گرفتن رابطه بین محبوبیت اسناد و نرخ به‌روزرسانی آنها، شکست‌های سیستمی را پنهان می‌کنند. این مطالعه ثابت می‌کند که…
یک تست امنیتی روی پشته RAG پروژه Arc Rector نشان می‌دهد که جایگزینی ساده‌ی نویسه‌ها می‌تواند فیلترهای مبتنی بر Regex را کاملاً دور بزند. در حالی که الگوهای استاندارد ۸۰٪ حملات را…
طرح‌های سنتی پایگاه‌داده فاقد بستر تجاری لازم برای استعلامات دقیق عامل‌های هوش مصنوعی هستند. چارچوب جدید «داده‌های خواندنی برای AI» با ترکیب معنا، قوانین استفاده و سیگنال‌های…
شرکت تامسون رویترز با سرمایه‌گذاری ۴۰ میلیون دلاری، مدل زبانی اختصاصی خود به نام Thomson را بر پایه مدل Qwen علی‌بابا توسعه داد. هدف این شرکت کاهش وابستگی به OpenAI و Anthropic و…
یک الگوی معماری جدید با تفکیک فرآیند انتخاب ابزار از مجوزهای دسترسی، مانع از نشت داده‌های حساس می‌شود. در این روش، هویت کاربر خارج از کنترل مدل تزریق می‌شود تا تزریق پرامپت نتواند…
بسیاری از توسعه‌دهندگان پیش از حل مسئلهٔ اصلی، معماری‌های پیچیده‌ای از پایگاه‌داده‌های برداری و گراف‌های چندعاملی می‌سازند. این راهنما تله‌های رایج مهندسی بیش‌ازحد را شناسایی کرده…
مصاحبه با ۲۰ مهندس هوش مصنوعی نشان می‌دهد که اکثر استقرار‌های عامل‌محور به‌دلیل اشتباه در تعریف «عامل» و تکیه بر تعویض مدل به‌جای طراحی سیستمی شکست می‌خورند. تفاوت میان یک رابط چت…