گزیدهای از خواندنیترین و مهمترین مطالب داتهوش.

پلتفرم Hugging Face ابزار CLI خود را برای پشتیبانی تخصصی از عاملهای کدنویس بازطراحی کرد. این تغییر با بهینهسازی خروجیها، مصرف توکن را تا ۶ برابر کاهش و نرخ موفقیت در انجام کارهای پیچیده را افزایش داده است.

KVarN با حذف تضاد سنتی میان سرعت و دقت، ظرفیت حافظه KV-cache را ۳ تا ۵ برابر افزایش میدهد. این ابزار جدید اجازه میدهد مدلها بافتهای بسیار طولانیتر را بدون کاهش سرعت استنتاج پردازش کنند.

انویدیا مدل Nemotron 3.5 ASR را با ۶۰۰ میلیون پارامتر معرفی کرد که تبدیل گفتار به متن را برای ۴۰ زبان در لحظه انجام میدهد. این مدل با معماری جدید خود، تضاد میان سرعت و دقت را از بین برده و امکان تنظیم دقیق برای لهجههای خاص را فراهم میکند.
پلتفرم ServiceNow-AI ابزار EVA-Bench 2.0 را برای سنجش دقیق عاملهای صوتی در حوزههای بهداشت، فناوری اطلاعات و هواپیمایی منتشر کرد. این بنچمارک با معرفی ۲۱۳ سناریوی اعتبارسنجیشده، تمرکز ارزیابی را از روانی گفتگو به دقت در اجرای ابزارهای سازمانی تغییر میدهد.
رهبران ارشد هوش مصنوعی و برندگان جایزه نوبل خواستار الزام قانونی برای غربالگری سفارشهای DNA شدند. آنها هشدار میدهند که مدلهای زبانی اکنون راهنماییهای آزمایشگاهی در سطح دکتری را در اختیار آماتورها قرار میدهند.
جف بزوس و گروهی از سرمایهگذاران ۵۰۰ میلیون دلار را برای تأسیس استارتاپ Flourish هزینه کردند تا «هوش مصنوعی کورتکس» را خلق کنند. هدف این پروژه، استخراج الگوریتمهای بنیادین مغز برای دستیابی به بهرهوری انرژی انسانی و یادگیری مداوم است.
آمازون در حال جایگزینی کدهای تخصصی با دستورات زبان طبیعی برای مدیریت رباتهای Proteus است. این سیستم تا اوایل سال ۲۰۲۷ تمام مراکز توزیع این شرکت را پوشش خواهد داد.
پلتفرم متنباز OpenJarvis از دانشگاه استنفورد و آزمایشگاههای Lambda، امکان اجرای عاملهای هوش مصنوعی را بهصورت کاملاً محلی فراهم میکند. این سیستم با دقت نزدیک به مدلهای ابری، هزینه APIها را ۸۰۰ برابر و تأخیر را ۴ برابر کاهش داده است.
نسخهی 0.8.0 ابزار akm با معرفی «حافظهی آگاه به باور»، از جایگزینی حقایق تأییدشده توسط انسان با دادههای قدیمی یا توهمات عاملها جلوگیری میکند. این سیستم با استفاده از حالتهای ثبت خاص، اطلاعات حیاتی را در برابر تغییرات خودکار مدل میپذیرد.
ابزار متنباز Sandboxed محیطهای کدنویسی ایزوله را برای عاملهای هوش مصنوعی فراهم میکند. این سیستم با جایگزینی کلاسترهای پیچیده با یک کنترلپل Go، هزینههای حافظه را به شدت کاهش میدهد.
گوگل تحت فشار رگولاتور بریتانیا، گزینهای برای ناشران فراهم کرد تا جلوی استفاده از محتوایشان در خلاصههای هوش مصنوعی را بگیرند. با این حال، این تغییر ممکن است باعث کاهش شدید بازدید سایتها شود.
ابزار Mnemo یک لایهی حافظه محلی است که با استفاده از SQLite، گراف دانشی دائمی برای مدلهای زبانی ایجاد میکند. این سیستم با سرعت کمتر از ۵۰ میلیثانیه، با مدلهای OpenAI، Anthropic و Ollama یکپارچه میشود تا مشکل فراموشکاری مدلها در جلسات طولانی حل شود.
عاملهای خودکار هنگام خطای تجزیه-وتحلیل خروجی، در حلقههای تکرار بیپایان میافتند که میتواند هزاران دلار هزینه ایجاد کند. سازوکار جدیدی در سطح درگاه (gateway) با شناسایی اثرانگشت این الگوها را در چند ثانیه متوقف میکند.
مدل تخصصی GPT-Rosalind در بهروزرسانی جدید خود، توانست در تحلیلهای ژنومیک و کشف دارو، عملکرد GPT-5.5 را به طرز چشمگیری پیشی بگیرد. این مدل با ادغام ابزارهای عاملمحور و همکاری با Novo Nordisk، هوش مصنوعی را از یک چتبات به یک دستیار اجرایی در آزمایشگاه تبدیل میکند.
شرکت GoPro هشدار داد که به دلیل جهش قیمت حافظهها تا ۱۱۵ درصد، ممکن است نتواند بقای خود را تضمین کند. این شرکت برای جلوگیری از فروپاشی، ۲۳ درصد از کارکنانش را اخراج کرده و به دنبال ورود به بازارهای نظامی و هوافضا است.
گوگل اپلیکیشن Dreambeans را برای تبدیل دادههای شخصی کاربران به داستانهای مصور کوتاه معرفی کرد. این ابزار با محدود کردن محتوا به حداکثر ۱۴ مورد در روز، قصد دارد اعتیاد به گوشی را کاهش دهد.
مدل Ideogram 4.0 با قابلیت رزولوشن 2K و بهبود چشمگیر در رندر متن به صورت مدل با وزنهای باز منتشر شد. این مدل اکنون در صدر جدول DesignArena قرار دارد و کنترل دقیق طراحی را به سختافزارهای محلی میآورد.
پلتفرم **Hyper** با تبدیل ارتباطات پراکنده شرکتی به یک گراف دانش پویا، مشکل فراموشی یا بهروز نبودن دادهها در عاملهای هوش مصنوعی را حل میکند. این سیستم اجازه میدهد حقایق جدید جایگزین اطلاعات قدیمی شوند تا هوش مصنوعی همیشه درک دقیقی از وضعیت لحظهای کسبوکار داشته باشد.
پژوهشگران دانشگاه کارنگی ملون با معرفی REST3D، مشکل اشیاء شناور و تداخل فیزیکی در تبدیل تصاویر به محیطهای سهبعدی را حل کردند. این چارچوب با استفاده از «درخت صحنه» و بهینهسازی محدود به فیزیک، داراییهای دیجیتالی میسازد که برای شبیهسازیهای رئالتایم آمادهاند.
زپیر کتابخانهای از «مهارتهای عامل» را متنباز کرد تا تیمهای عملیاتی را از پرامپتنویسی ساده به جریانهای کاری مبتنی بر داده منتقل کند. این چارچوب با اتصال عاملهای هوش مصنوعی به دادههای زنده CRM، کارهای پیچیده مثل بازرسی سرنخها را خودکار میکند.
گوگل مدل Gemma 4 12B را منتشر کرد؛ مدل چندوجهی میاناندازهای که بدون نیاز به انکودرهای مجزا، صدا و تصویر را پردازش میکند. این مدل با مجوز آپاچی ۲.۰، برای اجرا روی سختافزارهای خانگی با ۱۶ گیگابایت رم بهینه شده است.
مایکروسافت با معرفی هفت مدل داخلی تحت برند MAI و سختافزارهای عاملمحور پروژه سولارا، تلاش میکند وابستگی استراتژیک خود به OpenAI را به حداقل برساند. این شرکت همچنین با تراشه Majorana 2، پایداری محاسبات کوانتومی را ۱۰۰۰ برابر افزایش داد.
مایکروسافت تراشه Majorana 2 و پلتفرم Discovery را برای تسریع پژوهشهای علمی عرضه کرد. این سیستم با خودکارسازی اندازهگیریهای پیچیده، زمان رسیدن به رایانههای کوانتومی تجاری را چهار سال جلو انداخت و به سال ۲۰۲۹ منتقل کرد.
آمازون برای کمک به خریدارانی که نام دقیق استایل مورد نظر خود را نمیدانند، از تصاویر تولیدشده با هوش مصنوعی در جستوجوها استفاده میکند. این ابزار کاربر را به سمت محصولات واقعی هدایت میکند، اما منتقدان نگران گمراه شدن مشتریان با تصاویر غیرواقعی هستند.
استارتآپ AethexAI با جذب ۳ میلیون دلار سرمایه، مدلهای صوتی تخصصی برای بازارهای آفریقا و خاورمیانه توسعه داد. این شرکت با جایگزینی مدلهای غولپیکر با مدلهای کوچک، تأخیر در پاسخدهی و خطاهای لهجهای را حذف کرده است.
گوگل فاش کرد که چگونه با ابزارهای آزمایشی Nano Banana و Gemini Omni، تمام هویت بصری و تجربیات تعاملی I/O 2026 را خودکار کرده است. این رویکرد، کارهای تکراری تولید را حذف میکند تا هنرمندان بر هدایت خلاقانه تمرکز کنند.
پشتیبانی رسمی DeepSpeed از بهینهساز Muon، حافظهی مورد نیاز برای حالتهای بهینهساز را ۴۵٪ کاهش داد. این رویکرد ترکیبی به آزمایشگاههای پیشرو اجازه میدهد مدلهای عظیم را سریعتر و با هزینهی سختافزاری کمتر آموزش دهند.
پلتفرم متنباز Cast با انتقال قوانین دسترسی از پرامپتها به فایلهای تنظیمات سخت، امنیت عاملهای هوش مصنوعی را تضمین میکند. این ابزار اجازه میدهد تیمها بدون ترس از نشت اطلاعات، محیطهای مشترک عاملمحور را بهصورت محلی مدیریت کنند.
شرکت Perplexity سیستمی را معرفی کرد که وظایف هوش مصنوعی را بر اساس حساسیت دادهها و نیاز پردازشی، بین سختافزار محلی و ابر تقسیم میکند. این ارکستراتور هیبریدی از جولای ۲۰۲۶ با عامل رایانه شخصی این شرکت ادغام خواهد شد.
مدل GPT-5.4 در اصلاح کدهای برنامهنویسی دچار «ویرایش بیشازحد» میشود و بدون افزایش دقت، ۶.۵ برابر بیشتر از Claude Opus 4.6 توکن تولید میکند. این شکاف کارایی منجر به اتلاف منابع مالی قابلتوجه در سازمانهای مهندسی میشود.