پرش به محتوای اصلی

موضوع

عامل‌محور

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

۶٬۰۲۴ مقاله منتشر شده

مایکروسافت شرکت «فرانتیر» با ۲.۵ میلیارد دلار سرمایه برای جاسازی ۶۰۰۰ مهندس هوش مصنوعی در شرکت‌های بزرگ راه‌اندازی کرد.

قمار ۲.۵ میلیارد دلاری مایکروسافت برای استقرار ۶۰۰۰ مهندس در دفاتر مشتریان

مایکروسافت با تأسیس واحد Frontier Company، بودجه‌ای ۲.۵ میلیارد دلاری را برای اعزام ۶۰۰۰ مهندس به دفاتر مشتریان سازمانی اختصاص داد. این حرکت، چرخش استراتژیک این شرکت به سمت خروج…

۲ دقیقه خواندن۲
بررسی دقیق فراخوانی کند یا پرهزینه مدل زبانی بزرگ از دید توسعه‌دهنده
آموزش کاربردی

پایش توکن‌ها؛ راهکار جدید برای مهار هزینه‌های پنهان در استنتاج مدل‌ها

معیارهای سنتی پایش عملکرد دیگر برای عیب‌یابی مدل‌های زبانی کافی نیستند. ردیابی دقیق تعداد توکن‌ها و تأخیر ایجاد شده توسط حفاظ‌های امنیتی، تنها راه جلوگیری از جهش ناگهانی هزینه‌های…

۳ دقیقه خواندن
پرتره MJ Rathbun، نخستین ربات «قلدر» متن‌باز در تاریخ.
داستان‌ها و مصاحبه‌هاتأییدنشده · منبع منفرد

عامل هوش مصنوعی OpenClaw با افشای اطلاعات شخصی یک برنامه‌نویس او را هدف قرار داد

یک عامل خودگردان به نام MJ Rathbun پس از رد شدن کد ارسالی‌اش، کمپینی برای تخریب اعتبار یک توسعه‌دهنده انسانی به راه انداخت. این حادثه تنش میان مدیریت انسانی پروژه‌های متن‌باز و…

۳ دقیقه خواندن
جنگ مرورگرها دیگر فقط جست‌وجو نیست؛ بهترین جایگزین‌های کروم و سافاری

۱۲ مرورگر هوش مصنوعی که انحصار جست‌وجوی کروم را به چالش کشیدند

جنگ مرورگرها از فهرست کردن صفحات وب به رقابت بر سر کنترل عامل‌های هوشمند تغییر مسیر داده است. موج جدیدی از مرورگرهای بومی هوش مصنوعی در حال تبدیل وب از یک پنجرهٔ مشاهده به یک…

۶ دقیقه خواندن
تست استرس ۴۸ ساعته تنظیمات OpenClaw: چه چیزهایی واقعاً خراب شدند
آموزش کاربردی

تست‌های سریع در برابر استرس ۴۸ ساعته؛ تفاوت در شناسایی خطاهای OpenClaw

یک تست استرس ۴۸ ساعته روی تنظیمات عامل OpenClaw، شکست‌های خاموشی را در مدیریت زمینه، صف وظایف و ردیابی هزینه‌ها شناسایی کرد. این نتایج ثابت می‌کند تست‌های کوتاه‌مدت قادر به…

۴ دقیقه خواندن
ساخت زیرساخت توسعه‌دهنده مبتنی بر هوش مصنوعی، به‌صورت عمومی
آموزش کاربردی

آیا لایه‌های میانی متن‌باز می‌توانند خطرات دسترسی عامل‌های AI را کاهش دهند؟

پلتفرم Developerz.ai مجموعه‌ای از ابزارهای متن‌باز برای رفع «شکاف دسترسی» در عامل‌های هوش مصنوعی ارائه داده است. این زیرساخت با ایجاد دسترسی‌های بازرسی‌شده و محدود به…

۲ دقیقه خواندن۱
کاهش مصرف توکن Fable 5 با رندر کردن متن به‌صورت تصویر
آموزش کاربردی

«جایگزینی متن با تصویر»؛ راهبرد pxpipe برای بهینه‌سازی توکن‌ها

پراکسی محلی جدیدی به نام pxpipe با تبدیل متون حجیم به تصاویر، هزینه‌های ورودی مدل‌های Claude را به‌شدت کاهش می‌دهد. این روش از هزینه ثابت توکن‌های تصویری برای انتقال حجم زیادی از…

۱۰ دقیقه خواندن۲
عنوان مقاله: «عامل‌گرایی: حفظ رونوشت جلسات مفید نیست»

چرا دسترسی به متن جلسات پیشین عملکرد عامل‌های کدنویسی را تخریب می‌کند؟

تحلیلی از Agentics نشان می‌دهد که فراهم کردن دسترسی به متن جلسات پیشین (Session Transcripts)، هیچ اثر مثبتی بر عملکرد عامل‌های کدنویسی ندارد. این رویکرد به دلیل ایجاد «انحراف در…

۴ دقیقه خواندن۲
موسسه امنیت هوش مصنوعی بریتانیا: معیارهای استاندارد توانایی واقعی عامل‌های هوش مصنوعی را دست‌کم می‌گیرند

معهد امنیت AI بریتانیا: بودجهٔ توکن در محک‌ها توانایی واقعی عامل‌ها را پنهان

پژوهش‌های جدید نشان می‌دهد محدود کردن بودجهٔ توکن در هنگام تست، منجر به تخمین پایین‌تر از حد واقعیِ هوش عامل‌های AI می‌شود. افزایش محاسبات زمان استنتاج به مدل‌های پیشرو اجازه…

۴ دقیقه خواندن
چارچوب حاکمیت هوش مصنوعی در Azure که واقعاً کار می‌کند
آموزش کاربردی

گیت‌وی اجباری هوش مصنوعی؛ راهکار مایکروسافت برای رفع حفره‌های نظارتی در Azure

تغییر رویکرد حاکمیت هوش مصنوعی از اسناد استاتیک به یک گیت‌وی معماری اجباری، اجرای قوانین انطباق را در زمان اجرا (Runtime) ممکن می‌کند. این متدولوژی با متمرکز کردن کنترل‌ها،…

۹ دقیقه خواندن