پرش به محتوای اصلی

موضوع

عامل‌محور

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

۳٬۷۱۷ مقاله منتشر شده

ساخت نرم‌افزار مقیاس‌پذیر با هوش مصنوعی بدون ایجاد کد پیچیده و ناپایدار
آموزش کاربردی

قراردادهای معماری؛ راهکار جلوگیری از بدهی فنی در کدهای هوش مصنوعی

عامل‌های کدنویس هوش مصنوعی سرعت توسعه را بالا برده‌اند، اما نادیده گرفتن مرزبندی‌های معماری باعث ایجاد سیستم‌های غیرقابل نگهداری می‌شود. چارچوب جدید «قراردادهای معماری» با تعریف…

۳۱ دقیقه خواندن۱
ربات Slack که تغییرات کد را به تیم اطلاع می‌دهد و تست‌های لازم را پیشنهاد می‌کند.
آموزش کاربردی

StagingBrief تاریخچهٔ کامیت‌ها را به گزارش‌های ساده برای مدیران تبدیل می‌کند

یک مهندس نرم‌افزار ابزاری به نام StagingBrief ساخته است که تاریخچه پیچیده کامیت‌های GitLab را به اعلان‌های ساده در Slack تبدیل می‌کند. این بات با استفاده از مدل‌های زبانی، شکاف…

۳ دقیقه خواندن۱
کارگزار قابلیت: واسطه‌ای بین عامل و ابزارهایش
آموزش کاربردی

کدهای بازبینی‌شده در برابر پرامپت‌های سیستمی؛ رویکردی جدید برای امنیت عامل‌ها

یک الگوی معماری جدید با جداسازی «قصد» مدل از «اختیار» اجرا، از ترکیب تصادفی مجوزهای بی‌خطر برای انجام اقدامات مخرب جلوگیری می‌کند. در این روش، امنیت به جای تکیه بر پرامپت‌های…

۵ دقیقه خواندن۲
باز کردن درخواست ادغام از روی تخت با مدل ۴ بیتی محلی به‌عنوان هماهنگ‌کننده
آموزش کاربردی

معماری جدید: کنترل عامل‌های کدنویسی با مدل ۴ بیتی کوانتیده

یک توسعه‌دهنده با استفاده از یک مدل زبانی کوچک و کوانتیده به‌عنوان «دیسپچر»، توانست از طریق گوشی موبایل و دیسکورد، عامل‌های کدنویسی قدرتمند را مدیریت کرده و تغییرات پیچیده…

۱۱ دقیقه خواندن۲
بررسی دقیق: هوش مصنوعی کدنویسی کجا واقعاً می‌نویسد؟
آموزش کاربردی

فایل‌های تله در برابر محیط‌های ایزوله؛ سنجش واقعی امنیت سیستم‌فایل

یک متد جدید ممیزی با استفاده از فایل‌های «تله» و ثبت وضعیت دایرکتوری‌ها، خروج بی‌صدای عامل‌های هوش مصنوعی از فضای کاری تعیین‌شده را ردیابی می‌کند. این رویکرد به‌جای اعتماد…

۷ دقیقه خواندن
راهنمای شروع کار با مدل‌های MiMo شیائومی
آموزش کاربردی

«تمرکز بر استدلال»؛ هدف شیائومی از انتشار متن‌باز مدل‌های MiMo

شیائومی خانواده مدل‌های MiMo را برای کارهای برنامه‌نویسی و پردازش متون طولانی در دسترس قرار داد. این مدل‌ها با تمرکز بر استدلال پیشرفته طراحی شده‌اند و از طریق Hugging Face قابل…

۱ دقیقه خواندن
عامل شما در هر نوبت قبول می‌شود، اما مکالمه را با شکست مواجه می‌کند.
آموزش کاربردی

شکاف ۹۴ درصدی؛ چرا ارزیابی‌های تک‌مرحله‌ای عامل‌های هوش مصنوعی را می‌فریبند؟

بسیاری از سامانه‌های ارزیابی، عامل‌های هوش مصنوعی را بر اساس تک‌تک پاسخ‌ها می‌سنجند، نه کل جلسه. این رویکرد باعث می‌شود «زوال محدودیت‌ها» و تناقضات در گفتگوهای طولانی نادیده گرفته…

۵ دقیقه خواندن۲
یادداشت‌های هفتگی کشتی‌ها · ۷ اوت ۲۰۲۶
آموزش کاربردی

LuisCore زیرساخت غیرمتمرکز برای مدیریت عامل‌های هوش مصنوعی پیچیده را توسعه داد

پروژه LuisCore با معرفی نقشه راه Tier 2، بر ایجاد یک بستر غیرمتمرکز با تأخیر کم برای استنتاج عامل‌های هوش مصنوعی تمرکز کرده است. این سیستم ابزارهای تخصصی برای مدیریت خط لوله‌های…

۳ دقیقه خواندن۲
مخزن گیت‌هاب: تشخیص گفتار با سن گوینده تغییر نمی‌کند، اما نوبت‌گیری عامل صوتی ۲ تا ۵ برابر کندتر می‌شود.

عامل‌های صوتی سالمندان را ۲ تا ۵ برابر بیشتر از جوانان قطع می‌کنند

تحلیل‌های فنی نشان می‌دهد مشکل دسترسی سالمندان به دستیارهای صوتی ناشی از ضعف در بازشناسی گفتار نیست، بلکه به دلیل آستانه‌های ثابت سکوت در منطق نوبت‌گیری است. جایگزینی این مدل‌ها…

۱۰ دقیقه خواندن۲
هوش مصنوعی تحت کنترل با Cognous
آموزش کاربردی

چگونه Open Control Stack مانع ارسال ایمیل‌های نامناسب توسط هوش مصنوعی می‌شود؟

شرکت Cognous چارچوب Open Control Stack را برای جلوگیری از اقدامات پرخطر عامل‌های هوش مصنوعی بدون تایید انسانی معرفی کرد. این سامانه نظارت را از بررسی پس‌رویدادها به مجوزدهی و…

۵ دقیقه خواندن۳