پرش به محتوای اصلی

موضوع

عامل‌محور

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

۱٬۵۰۹ مقاله منتشر شده

معرفی Stack Overflow برای ایجنت‌ها

استک اورفلو با حافظه‌ی مشترک، جلوی تکرار اشتباهات عامل‌های هوش مصنوعی را گرفت

استک اورفلو یک رابط برنامه‌نویسی (API) جدید برای تبادل دانش میان عامل‌های کدنویسی معرفی کرد. این سامانه با ایجاد یک حافظه‌ی جمعی، مانع از اتلاف محاسبات و توکن‌ها برای حل مسائلی…

۶ دقیقه خواندن
نوت‌بوک‌ال‌ام گوگل اکنون رایانه ابری با اجرای کد و پژوهش عامل‌محور دارد.

بهبود ۶۵ درصدی NotebookLM: وقتی دفترچه یادداشت گوگل به رایانه تبدیل شد

گوگل NotebookLM را با رایانه‌های ابری اختصاصی و قابلیت اجرای کد به‌روزرسانی کرد. این ابزار اکنون از تحقیقات عامل‌محور پشتیبانی کرده و خروجی‌های مستقیم به اکسل و پاورپوینت می‌دهد.

۱ دقیقه خواندن
هدررفت سرمایه در نقشه‌های راه هوش مصنوعی؛ نقش حیاتی «ممیزی استراتژیک کسب‌وکار»
آموزش کاربردی

هدررفت سرمایه در نقشه‌های راه هوش مصنوعی؛ نقش حیاتی «ممیزی استراتژیک کسب‌وکار»

پیاده‌سازی هوش مصنوعی بدون استراتژی هم‌راستا با کسب‌وکار، معمولاً به اتلاف سرمایه و اختلالات عملیاتی ختم می‌شود. «ممیزی هوش مصنوعی» فرصت‌های پنهان بازگشت سرمایه (ROI) را شناسایی و…

۶ دقیقه خواندن
آیا حافظه ضعیف هوش مصنوعی را محتاط‌تر می‌کند؟ ما آزمایش کردیم
آموزش کاربردی

چگونه تزریق خاطرات جعلی از شکست، ریسک‌پذیری عامل‌های هوش مصنوعی را کاهش می‌دهد؟

پژوهش‌های جدید نشان می‌دهد تزریق تاریخچه‌ای جعلی از شکست‌ها در حافظه‌ی مدل‌ها، جسارت آن‌ها در تصمیم‌گیری را به‌شدت می‌کوبد. این پدیده بدون تخریب منطق مدل یا فعال کردن سیستم‌های…

۱۰ دقیقه خواندن
چرا سیستم‌های چند-عاملی هوش مصنوعی در مقیاس واقعی شکست می‌خورند؟
آموزش کاربردی

چرا سیستم‌های چند-عاملی هوش مصنوعی در مقیاس واقعی شکست می‌خورند؟

سیستم‌های چند-عاملی می‌توانند یک درخواست ساده‌ی کاربر را به صدها فراخوانی داخلی API تبدیل کنند و زیرساخت‌ها را به سرعت ساقط کنند. پیاده‌سازی محدودیت‌های نرخ درخواست داخلی، راهکاری…

۳ دقیقه خواندن۱
چگونه SECDA-DSE طراحی شتاب‌دهنده‌های FPGA را با مدل‌های زبانی خودکار می‌کند؟

چگونه SECDA-DSE طراحی شتاب‌دهنده‌های FPGA را با مدل‌های زبانی خودکار می‌کند؟

چارچوب SECDA-DSE با ادغام مدل‌های زبانی بزرگ، فرآیند پیچیده جست‌وجوی فضای طراحی (DSE) در شتاب‌دهنده‌های FPGA را خودکار می‌کند. این سیستم با ترکیب RAG و زنجیره تفکر، نیاز به تخصص…

۱ دقیقه خواندن
استراتژی آموزش سه‌مرحله‌ای RoboNaldo برای حل مشکل تعادل در ضربات انفجاری ربات‌ها

استراتژی آموزش سه‌مرحله‌ای RoboNaldo برای حل مشکل تعادل در ضربات انفجاری ربات‌ها

پژوهشگران با معرفی چارچوب RoboNaldo، ربات‌های انسان‌نما را قادر ساختند تا ضربات فوتبال را با سرعت ۱۳.۱ متر بر ثانیه و پایداری بالا اجرا کنند. این سیستم با استفاده از یادگیری…

۲ دقیقه خواندن
تثبیت مسیرهای رانندگی خودکار با DFP: گذار از کپی‌برداری تاریخچه به کنترل پویا

تثبیت مسیرهای رانندگی خودکار با DFP: گذار از کپی‌برداری تاریخچه به کنترل پویا

چارچوب جدیدی به نام Diffusion Forcing Planner (DFP) با جداسازی نویز تاریخچه و آینده، مشکل لرزش مسیر در خودروهای خودران را حل کرده است. این روش به جای کپی‌برداری ساده از الگوهای…

۱ دقیقه خواندن
بازیافت پرس‌وجو: مدل ۱.۷ میلیاردی با دقت مدل‌های ۷ میلیاردی در جست‌وجوی پیچیده

بازیافت پرس‌وجو: مدل ۱.۷ میلیاردی با دقت مدل‌های ۷ میلیاردی در جست‌وجوی پیچیده

پژوهشکران با معرفی تکنیک «بازیافت پرس‌وجو» در آموزش یادگیری تقویت‌شونده، مانع از هدررفت داده‌های بدون واریانس شدند. این روش به یک مدل ۱.۷ میلیارد پارامتری اجازه داد تا در پاسخ به…

۱ دقیقه خواندن