پرش به محتوای اصلی

موضوع

بازیابی‌افزا

RAG architectures, vector stores, grounding LLMs in private data

۱٬۲۲۱ مقاله منتشر شده

گزارش تحقیقاتی تا آلفای معتبر: هوش مصنوعی عوامل شما را می‌سازد، دیباگ و ارزیابی می‌کند
آموزش کاربردی

ماژول Starfish زمان تبدیل گزارش‌های PDF به فاکتورهای مالی را به چند دقیقه رساند

شرکت DolphinDB با معرفی Starfish، فرآیند استخراج فرمول‌های ریاضی از مقالات PDF و تبدیل آن‌ها به کدهای اجرایی مالی را خودکار کرد. این سیستم با استفاده از یک حلقه اصلاحی، خطاها را…

۴ دقیقه خواندن۱
سیستم عامل من در شب‌ها رویا می‌بیند و حافظه‌اش از همین‌جا می‌آید.
آموزش کاربردی

سیستم «رؤیاپردازی» Olund برای جلوگیری از آلودگی حافظه در عامل‌های هوش مصنوعی

توسعه‌دهنده‌ای به نام Olund سیستمی را طراحی کرده که حافظه بلندمدت عامل‌های هوش مصنوعی را از طریق پردازش آفلاین شبانه پاکسازی می‌کند. این رویکرد با تکرار و تأیید واقعیت‌ها در چندین…

۶ دقیقه خواندن۲
ساخت اپلیکیشن جمع‌آوری اخبار با هوش مصنوعی در React Native و Expo
آموزش کاربردی

توسعه اپلیکیشن‌های خبری با ابزارهای AI به یک پروژه آخر هفته تبدیل شد

ابزارهای نوین ساخت اپلیکیشن اکنون برنامه‌نویسان را قادر می‌سازند تا تجمیع‌کننده‌های خبری پیچیده با موتورهای توصیه‌گر را در چند روز به‌جای چند ماه عرضه کنند. این تحول از ترکیب…

۳ دقیقه خواندن۱
تزریق پرامپت دو نوع دارد. احتمالاً فقط یکی را فیلتر می‌کنید.
آموزش کاربردی

تزریق پرامپت غیرمستقیم؛ حفرهٔ امنیتی باز در لایه‌های داده‌ای عامل‌های AI

بسیاری از زیرساخت‌های هوش مصنوعی تنها در برابر حملات مستقیم کاربر مقاوم‌اند و در برابر دستورات مخفی در داده‌های خارجی آسیب‌پذیرند. این نقص اجازه می‌دهد دستورات جاسازی‌شده در…

۳ دقیقه خواندن۱
شاخص RAG شما ممکن است دروغ بگوید: تازگی داده، سیگنال گمشده سیستم‌های هوش مصنوعی

چرا ایندکس‌های RAG با وجود اطمینان بالا، پاسخ‌های غلط می‌دهند؟

سامانه‌های هوش مصنوعی در حال حاضر روش استانداردی برای ردیابی تازگی داده‌ها ندارند که منجر به پاسخ‌های «با اطمینان غلط» می‌شود. یک پیشنهاد جدید مبتنی بر OpenTelemetry برای…

۵ دقیقه خواندن۱
نقشه‌برداری فیلد با هوش مصنوعی: پایان دردسر یکپارچه‌سازی سازمانی
آموزش کاربردی

برداری معنایی در برابر الگوهای نحوی در فرآیند ادغام داده‌های سازمانی

سامانه Insight Engine با استفاده از برداری معنایی، فرآیند دشوار نگاشت فیلدها را خودکار کرد. این رویکرد با جایگزینی الگوهای نحوی با استدلال معنایی، بازبینی دستی توسعه‌دهندگان را تا…

۷ دقیقه خواندن
نقشه‌برداری گسترش پرس‌و‌جو: معنای واقعی آن برای صفحه جزئیات محصول شاپیفای
آموزش کاربردی

ساختار جدید صفحات محصول برای دیده شدن در جست‌وجوی عامل‌های هوش مصنوعی

سئو سنتی در عصر دستیارهای هوشمند شکست می‌خورد زیرا مدل‌ها پرسش‌های کاربر را به چندین زیر-پرسش تجزیه می‌کنند. برای حفظ دیده شدن، فروشگاه‌ها باید توضیحات طولانی را با بلوک‌های متنی…

۳ دقیقه خواندن۳
نمودار خطی مقایسه عملکرد مدل‌های خلاصه‌سازی در اسناد بلند
آموزش کاربردی

هزینه‌های خطی و توهمات انتهایی؛ دلیل شکست خلاصه‌سازی اسناد بلند در مقیاس صنعتی

گسترش قابلیت خلاصه‌سازی مدل‌های زبانی از دمو به محیط تولید، به‌دلیل افزایش شدید هزینه‌ها و توهمات در انتهای متن با شکست مواجه شده است. تحلیل‌های فنی نشان می‌دهد که خوانش…

۱ دقیقه خواندن۲
فراتر از هیاهو: ساخت عامل‌های هوش مصنوعی مقاوم با حافظه محلی، کارایی متن‌باز و ممیزی امنیتی دقیق
آموزش کاربردی

چگونه تفکیک استدلال از حافظه، نقاط ضعف عامل‌های هوشمند را می‌پوشاند؟

بسیاری از عامل‌های هوش مصنوعی در محیط عملیاتی به‌دلیل نبود حافظه پایدار و حلقه‌های شکننده API شکست می‌خورند. معماری جدید با تفکیک استدلال از حافظه محلی و استفاده از مدل‌های…

۸ دقیقه خواندن