پرش به محتوای اصلی

موضوع

عامل‌محور

Autonomous agents, tool use, planning, multi-step workflows

۵٬۸۴۸ مقاله منتشر شده

۵۸ تست سبز، یک غریبه: چگونه یک شاهد بیرونی، فیلد جعلی را در پاسخ‌های A2A ما یافت.

درون نقص فنی نسخه ۱.۴؛ ابزاری برای اعتبارسنجی واقعی پاسخ‌های A2A

یک نقص امنیتی در متادیتای پاسخ‌های عامل‌های A2A کشف شد که با وجود پاس کردن ۵۸ تست داخلی، داده‌های جعلی ارسال می‌کردند. این یافته منجر به بازبینی جامع مشخصات فنی (نسخه ۱.۴) و ابداع…

۵ دقیقه خواندن۱
نمودار مقایسه عملکرد استراتژی‌های معاملاتی الگوریتمی مبتنی بر یادگیری تقویتی و روش‌های سنتی
آموزش کاربردی

تحلیل بازارهای مالی: یادگیری تقویتی نرخ موفقیت معاملات را افزایش داد

عامل‌های یادگیری تقویتی با تمرکز بر نتایج متوالی به‌جای پیش‌بینی ساده‌ی قیمت، در حال جایگزینی قوانین معاملاتی سنتی هستند. این رویکرد به هوش مصنوعی اجازه می‌دهد تا با نوسانات بازار…

۴ دقیقه خواندن۱
محدودیت‌های ایمنی برای ویرایش لیستینگ‌های تجاری توسط عامل هوش مصنوعی
آموزش کاربردی

۳ لایهٔ امنیتی برای جلوگیری از خطاهای دائمی عامل‌های هوش مصنوعی

مدیریت داده‌های عمومی کسب‌وکار توسط عامل‌های هوش مصنوعی ریسک خطاهای دائمی و تزریق پرامپت را به شدت افزایش می‌دهد. یک معماری امن نیازمند تفکیک ابزارهای خواندن از نوشتن و هدایت تمام…

۴ دقیقه خواندن
هوش مصنوعی عامل‌محور برای مدرن‌سازی مین‌فریم: از درک کد COBOL تا تبدیل خودکار آن
آموزش کاربردی

گردش‌کار عامل‌محور در برابر ترجمهٔ خطی در بازسازی سیستم‌های میراثی

مدرن‌سازی سیستم‌های قدیمی COBOL معمولاً به‌دلیل نبود مستندات و پیچیدگی منطق تجاری شکست می‌خورد. IBM با جایگزینی ترجمهٔ ساده با یک گردش‌کار عامل‌محور، فرآیند کشف، استخراج قوانین و…

۱۹ دقیقه خواندن۱
دفتر کار مجازی برای عامل‌های هوش مصنوعی با دسترسی فقط‌خواندنی عمدی
آموزش کاربردی

Cubicle وضعیت عامل‌های هوش مصنوعی را در قالب یک دفتر کار مجازی نمایش می‌دهد

کاگلار اوتکوگولر ابزاری به نام Cubicle ساخت تا خستگی ناشی از رصد لاگ‌های متنی را با تبدیل وضعیت عامل‌ها به شخصیت‌های بصری در یک دفتر کار مجازی حل کند. این داشبورد برای حفظ امنیت،…

۳ دقیقه خواندن۲
پاسخ از اسناد خودتان، نه حافظه مدل: RAG در PHP
آموزش کاربردی

NanoAgent پیاده‌سازی RAG در PHP را بدون نیاز به پایگاه‌داده برداری ممکن کرد

فریم‌ورک NanoAgent با استفاده از آرایه‌های ساده PHP و جست‌وجوی کلیدواژه‌ای، نیاز به زیرساخت‌های پیچیده برداری برای پایگاه‌های دانش کوچک را از بین برد. این روش به توسعه‌دهندگان…

۳ دقیقه خواندن
هماهنگی چند ابزار در PHP: یک عامل، ابزارهای متعدد، یک پاسخ
آموزش کاربردی

درون ساختار NanoAgent برای سازماندهی خودکار زنجیره‌های ابزاری

پروژه NanoAgent روشی را برای ساخت دستیارهای هوشمند معرفی کرده است که می‌توانند به‌طور خودکار ابزارهای تخصصی را برای پاسخ به پرسش‌های پیچیده توالی‌بندی کنند. این رویکرد نیاز به…

۳ دقیقه خواندن۱
۸ مدل زبانی بزرگ را برای تحلیل محصولم آزمایش کردم؛ مدل‌های ارزان یا بهانه می‌تراشند یا بی‌تفاوت‌اند.
آموزش کاربردی

Gemini 3.7 Flash با دقت ۹۷.۷٪ برترین مدل اقتصادی برای تحلیل داده شد

یک محک جدید در تحلیل داده‌ها نشان می‌دهد مدل‌های ارزان‌قیمت اغلب دلایل کاذب برای تغییرات آماری می‌سازند یا سقوط‌های واقعی داده را نادیده می‌گیرند. Gemini 3.7 Flash با توازن میان…

۱۲ دقیقه خواندن۱
لوگوی GitHub و نام پروژه imp: برنامه‌های اعلانی خودبهبود زبان‌مدل برای Elixir
آموزش کاربردی

Imp برنامه‌نویسی خودبهینه‌ساز مدل‌های زبانی را به اکوسیستم Elixir آورد

کتابخانه Imp با پورت کامل فریم‌ورک DSPy به BEAM، جایگزینی برای مهندسی پرامپت دستی در زبان Elixir فراهم می‌کند. این ابزار به توسعه‌دهندگان اجازه می‌دهد تا برنامه‌های هوش مصنوعی را…

۴ دقیقه خواندن