پرش به محتوای اصلی

موضوع

عامل‌محور

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

۵٬۸۸۷ مقاله منتشر شده

عامل زمان‌بندی‌شده من ۴۰ بار اجرا شد و هیچ‌کاری نکرد — این ادعا مشکل را حل کرد
آموزش کاربردی

تأیید اثر به‌جای تأیید اجرا؛ راهکار مقابله با شکست‌های خاموش عامل‌های هوش مصنوعی

بسیاری از عامل‌های هوش مصنوعی به‌دلیل تغییرات جزئی در APIها، بدون ثبت هیچ خطایی متوقف می‌شوند اما وضعیت آن‌ها «موفق» نمایش داده می‌شود. راهکار این بحران، تغییر متد نظارت از «آیا…

۷ دقیقه خواندن۱
IDE هوشمند کدنویسی رایگان و آفلاین با قابلیت استفاده از مدل‌های زبانی محلی
آموزش کاربردی

Forger: محیط توسعه‌ای برای اجرای عامل‌های کدنویس به‌صورت کاملاً آفلاین

ابزار Forger با حذف وابستگی به ابر، امکان اجرای عامل‌های هوش مصنوعی کدنویس را روی سخت‌افزار محلی فراهم می‌کند. این IDE با پشتیبانی از مدل‌های باز و مدل‌های محلی، امنیت کدها را…

۳ دقیقه خواندن۱
عامل هوش مصنوعی زمان‌بندی‌شده شما در هر اجرا، همان متن را بارها می‌خواند و توکن می‌سوزاند.
آموزش کاربردی

مالیات پنهان اتوماسیون؛ عامل‌های زمان‌بندی‌شده توکن‌های شما را می‌سوزانند

عامل‌های هوش مصنوعی بدون حافظه در اتوماسیون‌های زمان‌بندی‌شده، با پردازش تکراری دستورالعمل‌ها در هر اجرا، هزاران توکن را هدر می‌دهند. پیاده‌سازی لایه‌ی حافظه پایدار می‌تواند…

۶ دقیقه خواندن
ایجاد چک‌پوینت با گازلایتینگ دیتابیس Postgres

«تلفیق کدنویسی و بازبینی»؛ استراتژی جدید Slack برای عامل‌های هوش مصنوعی

اسلک با معرفی Code Channels، عامل‌های کدنویس هوش مصنوعی را از محیط‌های ایزوله به چت‌های مشترک تیمی می‌آورد. هدف این تغییر، ادغام فرآیند نوشتن و بازبینی کد در یک گام همکاری جمعی…

۱ دقیقه خواندن
ده پروژه جامعه Jev: درک کاربردهای واقعی این فناوری
آموزش کاربردی

تصمیمات ساختاریافته در برابر استدلال‌های متنی در مدل Jev

مدل Jev با جایگزینی استدلال‌های متنی و گران‌قیمت با تصمیمات ساختاریافته و سریع، تأخیر در اجرای عامل‌های هوش مصنوعی را به ۳۰۰ میلی‌ثانیه کاهش داد. این رویکرد اجازه می‌دهد AI به‌جای…

۱۳ دقیقه خواندن
تحلیل نحوه عملکرد Jev در مرورگر بدون تولید متن: استفاده از مرورگر و رندر JSON
آموزش کاربردی

«تصمیم‌گیری محدود»؛ راهکار Jev برای حذف خطاهای متنی در عامل‌های هوش مصنوعی

شرکت TypeSafe AI با معرفی Jev، رویکرد تولید متن آزاد در عامل‌های هوش مصنوعی را به سیستم «تصمیم‌گیری محدود» تغییر داد. این معماری با اجبار مدل به انتخاب از میان گزینه‌های…

۱۷ دقیقه خواندن
عامل هوشمند: ساخت صدای اختصاصی و تلاش برای کسب درآمد ۲۰ دلاری — موانع واقعی در مسیر.
داستان‌ها و مصاحبه‌هاتأییدنشده · منبع منفرد

سد دیجیتال؛ چرا یک عامل هوش مصنوعی در کسب ۲۰ دلار شکست خورد؟

یک عامل هوشمند در تلاش برای کسب درآمد از طریق خدمات صوتی، با موانع احراز هویت انسانی مانند تأیید شماره تلفن و فیلترهای IP مواجه شد. این تجربه نشان می‌دهد گلوگاه اصلی اقتصاد…

۲ دقیقه خواندن
اتوماسیون کامل چرخه ساخت-تست-دیپلوی روی پردازنده‌های اپل سیلیکون: درس‌های آموخته‌شده
آموزش کاربردی

مدل ۴ میلیاردی Mano-AFK صحت استقرار خودکار اپلیکیشن‌ها را به ۵۸٪ رساند

پلتفرم Mininglamp چارچوب متن‌باز Mano-AFK را برای خودکارسازی کامل چرخه ساخت، تست و استقرار روی مک‌های اپل منتشر کرد. این مدل در تولید مستندات و رفع باگ‌های ساده موفق است، اما در…

۶ دقیقه خواندن۱
اجرای یک وظیفه Codex به مدت ۳۱ ساعت: بازماندن از راه‌اندازی مجدد و ساخت خط تولید کتاب درسی قابل‌حسابرسی
آموزش کاربردی

تولید بسته آموزشی ریاضی با Codex در یک اجرای ۳۱ ساعته و قابل‌حسابرسی

یک توسعه‌دهنده با استفاده از یک تسک بلندمدت در Codex، چارچوبی ریاضی را به یک بسته آموزشی نسخه‌بندی‌شده تبدیل کرد. این پروژه با جایگزینی حافظهٔ چت با آرتیفکت‌های نسخه‌بندی‌شده،…

۳ دقیقه خواندن۲
بررسی واقعیت با هوش مصنوعی: دفتر کل شواهد برای ادعاهای روزمره
آموزش کاربردی

Reality Check AI ردپای شواهد را برای ادعاهای هوش مصنوعی قابل‌تعقیب کرد

سامانه Reality Check AI با جایگزینی پاسخ‌های ساده با یک دفتر کل شواهد، ادعاهای آنلاین را به گزاره‌های قابل‌تأیید تبدیل می‌کند. این ابزار هر نتیجه‌گیری هوش مصنوعی را به منابع دقیق…

۱۳ دقیقه خواندن
دوره آموزشی Microsoft 365 Copilot: Copilot در Microsoft Loop - اجزای تعاملی و همکاری لحظه‌ای
آموزش کاربردی

درون معماری اجزای زنده مایکروسافت برای یکپارچگی داده‌ها در تیمز و اوت‌لوک

مایکروسافت با ادغام کوپایلت در Loop، اجزای زنده و همگام‌سازی‌شده‌ای ایجاد کرده که به‌طور هم‌زمان در تیمز، اوت‌لوک و اپلیکیشن لوپ فعال هستند. این سازوکار با تبدیل اسناد به یک منبع…

۲۵ دقیقه خواندن