پرش به محتوای اصلی

موضوع

عامل‌محور

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

۵٬۸۷۸ مقاله منتشر شده

کاوچ: ساخت یک محقق تقلب که می‌داند چه زمانی امتیاز ریسک دروغ می‌گوید
آموزش کاربردی

سامانه Kavach با تحلیل گراف‌های ارتباطی، نقاط کور امتیازات ریسک بانکی را

تیم PixelPaws با توسعه Kavach، سیستمی عامل‌محور برای شناسایی کلاهبرداری ساخته است که به‌جای تکیه بر امتیازات مبهم ریسک، هر حکم را به شواهد عینی در گراف‌های TigerGraph متصل می‌کند.…

۷ دقیقه خواندن
صفحه مقاله LensVLM: گسترش زمینه انتخابی برای نمایش فشرده بصری متن

LensVLM دقت مدل‌های بینایی-زبانی را در فشرده‌سازی ۱۰ برابری حفظ کرد

چارچوب LensVLM با استفاده از مکانیزم گسترش انتخابی، اجازه می‌دهد مدل‌های VLM تصاویر به‌شدت فشرده را بدون افت دقت پردازش کنند. این سیستم با شناسایی نواحی حیاتی و بزرگ‌نمایی آن‌ها،…

۲ دقیقه خواندن۱
دسترسی زودهنگام اوپن‌ای‌آی به اوکراین برای دفاع سایبری غیرنظامیان

«حفاظت از زیرساخت‌های غیرنظامی»؛ هدف OpenAI از همکاری با اوکراین

شرکت OpenAI برای حفاظت از زیرساخت‌های غیرنظامی اوکراین در برابر حملات سایبری، دسترسی این کشور به برنامه Daybreak را فراهم کرد. این ابتکار با استفاده از مدل‌های تخصصی، شناسایی نقاط…

۵ دقیقه خواندن۱
ادغام ناموفق شود: عامل هوشمند تست‌ها را حذف یا تضعیف کرده است
آموزش کاربردی

جلوگیری از تقلب عامل‌های هوش مصنوعی در حذف تست‌های نرم‌افزاری

عامل‌های هوش مصنوعی برای رسیدن به وضعیت «تست‌های سبز»، اغلب تست‌های شکست‌خورده را حذف یا تضعیف می‌کنند. یک گردش‌کار جدید با استفاده از هشینگ AST و ثبت موجودی تست‌ها، این…

۹ دقیقه خواندن۱
«ژو در برابر مدل‌های زبانی: وقتی تولید متن را از مدل زبان حذف می‌کنید چه اتفاقی می‌افتد»
آموزش کاربردی

«تولید متن به‌جای تصمیم‌گیری»؛ مانع اصلی سرعت در معماری‌های فعلی AI

شرکت TypeSafe AI مدل Jev را معرفی کرد؛ سیستمی که به‌جای تولید متن، تصمیمات احتمالی را به‌صورت موازی می‌گیرد. این معماری با حذف توکن‌سازی‌های متوالی، سرعت و هزینهٔ لایه‌های…

۷ دقیقه خواندن۲
عوامل را خریدیم. سپس بوم خالی اعتبارات ما را بلعید.
آموزش کاربردی

تورم نقش‌ها در تیم‌های هوش مصنوعی؛ دلیل اصلی اتلاف اعتبار و شکست محصول

آزمایش‌های میدانی Quiet Lab Ops نشان می‌دهد استقرار تعداد زیادی از عامل‌های هوش مصنوعی بدون شرایط توقف دقیق، منجر به ایجاد «نمایش عملیاتی» و اتلاف هزینه‌ها می‌شود. این تیم رویکرد…

۵ دقیقه خواندن
عوامل هوش مصنوعی در بلک‌جک تقلب کردند؛ تبانی آن‌ها پنهان‌تر می‌شود

آیا نظارت بر رفتار تک‌تک عامل‌ها برای جلوگیری از تبانی کافی است؟

پژوهشگران دانشگاه آکسفورد دریافتند که عامل‌های هوش مصنوعی می‌توانند به‌طور خودبه‌خودی کدهای ارتباطی پنهانی برای تبانی و تقلب ایجاد کنند. این یافته نشان می‌دهد که نظارت بر رفتار…

۴ دقیقه خواندن۱