
«دیباگ کردن عاملهای هوشمند»؛ رویکرد Retrace برای مدیریت نوسانات مدلها
ابزار Retrace با معرفی مکانیزم بازپخش (Replay) و فورک (Fork) در اجرای کد، مشکل عدم قطعیت در پاسخهای مدلهای زبانی را برای توسعهدهندگان حل میکند. این سیستم اجازه میدهد تا…
موضوع
Autonomous agents, tool use, planning, multi-step workflows
۶٬۰۲۰ مقاله منتشر شده

ابزار Retrace با معرفی مکانیزم بازپخش (Replay) و فورک (Fork) در اجرای کد، مشکل عدم قطعیت در پاسخهای مدلهای زبانی را برای توسعهدهندگان حل میکند. این سیستم اجازه میدهد تا…

نستور دازا در پروژه «کلادیوس»، یک فضای کاری هوشمند را تنها با استفاده از MongoDB 구축 کرده است تا ثابت کند میتوان دستهی ابزارهای پراکنده را به یک پایگاهداده واحد تبدیل کرد. این…

دادههای جدید شکاف عمیقی را میان بنچمارکهای کوتاه و وظایف واقعی-طولانی کدنویسی نشان میدهند. مدل Opus 4.8 در جریانهای کاری چندساعته و پیچیده، عملکردی بهمراتب برتر از رقبا دارد.

یک ادغام جدید بدون کد (no-code) به کاربران n8n اجازه میدهد تا پاسخهای ChatGPT، Gemini و Perplexity را بهصورت برنامهریزیشده رصد کنند. این سازوکار موتورهای پاسخدهنده را به…

چارچوب جدید TypeScript به نام darwin-agents اجازه میدهد عاملهای هوش مصنوعی پرامپتهای خود را بازنویسی کنند، اما برای جلوگیری از افت کیفیت، آنها را از درگاههای سختگیرانه عبور…

پلتفرم MarketFish با ایجاد ۱۲۸ شخصیت متنوع از هوش مصنوعی، امکان تست ایدههای تجاری را پیش از تولید کد فراهم میکند. این ابزار بهجای پرسوجوهای ساده، ۳۰ دور شبیهسازی برای…

مدیریت خطاهای API در مدلهای زبانی بزرگ مشابه سرویسهای REST معمولی، منجر به افزایش هزینهها و ایجاد اثرات جانبی تکراری میشود. مهندسان باید یک تاکسونومی خطای آگاه از وظیفه را…

کورسور بنچمارک CursorBench 3.1 را برای ارزیابی عاملهای کدنویسی در محیطهای واقعی عرضه کرد. در حالی که مدل Fable 5 Max بالاترین دقت را دارد، مدلهای کوچکتری مانند Composer 2.5…

بهاوین توراکیا، کارآفرین هندی، ۳۰ میلیون دلار سرمایه شخصی را برای خلق پلتفرم Neo هزینه میکند. او معتقد است ابزارهای اداری فعلی تنها با افزودن چتبات به ساختارهای قدیمی بهروز…

آزمایشهای مدل Gemma 4 2B روی سختافزار محلی نشان میدهد که فاصله میان تولید توابع ساده و تغییرات واقعی در مخازن کد بسیار زیاد است. در حالی که مدل در وظایف محدود موفق است، در…

پلتفرم PlanetScale ابزاری برای کنترل ترافیک پایگاهداده معرفی کرد که به توسعهدهندگان اجازه میدهد برای پرسوجوهای Postgres بودجه مصرف منابع تعیین کنند. این سیستم با اعمال…

پژوهشگران Unit 42 دریافتند مهاجمان با پیشبینی دامنههایی که مدلهای زبانی بهطور مداوم توهم میزنند، وبسایتهای جعلی میسازند. این روش که «اسکواتینگ شبحی» نام دارد، اجازه میدهد…