پرش به محتوای اصلی

موضوع

عامل‌محور

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

۵٬۸۹۵ مقاله منتشر شده

گزارش PwC: کاهش زمان پذیره‌نویسی بیمه از ۱۰ هفته به ۱۰ روز با Claude

گزارش PwC: کاهش زمان پذیره‌نویسی بیمه از ۱۰ هفته به ۱۰ روز با Claude

شرکت PwC و Anthropic در حال استقرار گسترده Claude در سازمان‌های جهانی هستند تا سیستم‌های قدیمی را جایگزین کنند. این همکاری در بخش‌های حساس مانند بیمه و امنیت سایبری، زمان تحویل…

۲ دقیقه خواندن۲
پلتفرم Nautilus: ۹۷٪ از عامل‌های هوش مصنوعی طی ۷۲ ساعت غیرفعال شدند

پلتفرم Nautilus: ۹۷٪ از عامل‌های هوش مصنوعی طی ۷۲ ساعت غیرفعال شدند

گزارش تشخیصی پلتفرم Nautilus نشان می‌دهد ۹۷٪ از عامل‌های خودگردان در کمتر از سه روز متوقف شده‌اند. بقای این سیستم‌ها را نه هوش مدل، بلکه تداوم استفاده از ابزارها و ادغام اقتصادی…

۲ دقیقه خواندن
چرا مهندسی پرامپت برای مدیریت عامل‌های هوش مصنوعی در مقیاس واقعی شکست می‌خورد؟
آموزش کاربردی

چرا مهندسی پرامپت برای مدیریت عامل‌های هوش مصنوعی در مقیاس واقعی شکست می‌خورد؟

مهندسی پرامپت بر تک‌درخواست‌ها تمرکز دارد، اما «مهندسی کانتکست» کل معماری اطلاعات را برای چرخه حیات یک عامل طراحی می‌کند. با استفاده از حافظه ۴ لایه و قوانین مشترک، می‌توان تعداد…

۲ دقیقه خواندن
درون برنامه MCI متا: تبدیل کارکنان به داده‌های آموزشی برای هوش مصنوعی عامل‌محور

درون برنامه MCI متا: تبدیل کارکنان به داده‌های آموزشی برای هوش مصنوعی عامل‌محور

متا برای آموزش مدل‌های جدید خود، ضبط نمایشگر و حرکات موس کارکنانش در آمریکا را اجباری کرد. این اقدام باعث اعتراض گسترده در داخل شرکت و تلاش برای تشکیل اتحادیه در بریتانیا شده است.

۲ دقیقه خواندن۱
Recursive Superintelligence: ۶۵۰ میلیون دلار برای حذف انسان از چرخه پژوهش AI

Recursive Superintelligence: ۶۵۰ میلیون دلار برای حذف انسان از چرخه پژوهش AI

استارتاپی جدید با سرمایه‌ای ۶۵۰ میلیون دلاری به دنبال دستیابی به خودبهبودی بازگشتی است. هدف این تیم، ساخت مدل‌هایی است که به‌طور خودکار نقاط ضعف خود را شناسایی و اصلاح کنند تا…

۲ دقیقه خواندن
گوگل: مدل Gemma 4 با دقت ۸۹.۲ درصدی در بنچمارک AIME، استدلال ریاضی را محلی کرد
آموزش کاربردی

گوگل: مدل Gemma 4 با دقت ۸۹.۲ درصدی در بنچمارک AIME، استدلال ریاضی را محلی کرد

گوگل دیپ‌مایند خانواده مدل‌های Gemma 4 را با وزن‌های باز عرضه کرد تا استدلال سطح پیشرو را به سخت‌افزارهای محلی بیاورد. مدل ۳۱ میلیارد پارامتری این خانواده، جهشی خیره‌کننده در…

۲ دقیقه خواندن
چرا Grok Build نقش کمک‌خلبان را رها کرد و به مهندس نرم‌افزار تبدیل شد؟
آموزش کاربردی

چرا Grok Build نقش کمک‌خلبان را رها کرد و به مهندس نرم‌افزار تبدیل شد؟

شرکت xAI ابزار Grok Build را برای خودکارسازی مهندسی نرم‌افزار پیچیده معرفی کرد. این ابزار با استفاده از زیر-عامل‌های موازی و حالت برنامه‌ریزی، مدیریت کل چرخه توسعه را بر عهده…

۲ دقیقه خواندن۲
انویدیا: بازدهی پردازش عامل‌های هوش مصنوعی در پلتفرم Vera Rubin ۳۵ برابر شد

انویدیا: بازدهی پردازش عامل‌های هوش مصنوعی در پلتفرم Vera Rubin ۳۵ برابر شد

پلتفرم جدید Vera Rubin انویدیا با ترکیب GPUهای NVL72 و شتاب‌دهنده‌های Groq 3 LPX، گلوگاه تأخیر در مدل‌های تریلیونی را می‌شکند. این معماری اجازه می‌دهد مدل‌های پیچیده با سرعت ۴۰۰…

۳ دقیقه خواندن
درون استراتژی مایکروسافت برای جایگزینی Claude Code با Copilot CLI

درون استراتژی مایکروسافت برای جایگزینی Claude Code با Copilot CLI

مایکروسافت دسترسی هزاران برنامه‌نویس خود به Claude Code را تا ۳۰ ژوئن ۲۰۲۶ قطع می‌کند. این شرکت برای کاهش هزینه‌های عملیاتی و کنترل مستقیم بر ابزارهای مهندسی، تیم‌های خود را مجبور…

۲ دقیقه خواندن۱
چگونه نقص‌های متادیتای GGUF سرعت استقرار مدل‌های محلی را کاهش می‌دهد؟
آموزش کاربردی

چگونه نقص‌های متادیتای GGUF سرعت استقرار مدل‌های محلی را کاهش می‌دهد؟

فرمت GGUF با یکپارچه‌سازی وزن‌ها و متادیتا، استقرار مدل‌های محلی را ساده کرده است. با این حال، نبود استانداردی برای فراخوانی ابزارها و توکن‌های استدلالی، توسعه‌دهندگان را مجبور به…

۲ دقیقه خواندن۱