
چگونه Solarch شکاف میان دیاگرام معماری و کد NestJS را میبندد؟
ابزار Solarch با تبدیل قطعی دیاگرامهای معماری به کد NestJS، مشکل انحراف همگامسازی میان طرح و پیادهسازی را حل میکند. این تیم در حال توسعه قابلیت همگامسازی دوطرفه در VS Code و…
موضوع
Autonomous agents, tool use, planning, multi-step workflows
۱٬۵۲۲ مقاله منتشر شده

ابزار Solarch با تبدیل قطعی دیاگرامهای معماری به کد NestJS، مشکل انحراف همگامسازی میان طرح و پیادهسازی را حل میکند. این تیم در حال توسعه قابلیت همگامسازی دوطرفه در VS Code و…

عاملهای هوش مصنوعی اکنون با ۵۷.۵٪ از درخواستهای وب، جایگاه انسانها را به عنوان بازدیدکننده اصلی اینترنت گرفتهاند. این تغییر، ضرورت گذار از طراحیهای بصری به محتوای ساختاریافته…

شرکت Databricks ابزاری به نام Lakebase معرفی کرد تا هرجومرج زیرساختی ایجاد شده توسط عاملهای خودکار را مهار کند. این دیتابیس با استفاده از قابلیت شاخهبندی و محاسبات صفر-پذیر،…

یک توسعهدهنده با ترکیب Claude Opus 4.6 و ابزارهای خط فرمان، زمان مهندسی معکوس بایوس ThinkPad x61 را از ۶ ماه به چند هفته کاهش داد. با این حال، توهمات مدل در جزئیات سختافزاری…

چارچوب AHA-WAM با جداسازی پیشبینی جهان از اجرای عملیات، تأخیر کنترل بسته-حلقه در رباتها را ۴.۵۹ برابر کاهش داده است. این معماری مبتنی بر ترنسفورمرهای انتشار دوگانه، امکان کنترل…

پژوهشگران بنچمارک OmniGameArena را برای اندازهگیری نحوه بهبود عاملهای مدل زبانی-دیداری از طریق بازتاب خودکار معرفی کردهاند. برخلاف تابلوهای امتیازات ایستا، این سیستم مسیر…

یک تکنیک جدید در یادگیری تقویتشده (RL) با جایگزینی آموزش «از صفر» با انتقال تدریجی کنترل از یک خطمبنای عملیاتی به شبکه عصبی، هزینههای محاسباتی را کاهش میدهد. این روش نرخ رسیدن…

رویکرد DARP با جایگزینی سیاستهای سراسری با ساختارهای بازیابی محلی، خطاهای انباشته در حالتهای خارج از توزیع را کاهش میدهد. این متد منجر به بهبود ۱۵ تا ۴۶ درصدی عملکرد در کنترل…

یک چارچوب جدید یادگیری تقویتشده چندعاملی (MARL)، تیمهای رباتیک را قادر میسازد تا اجسام با هر شکل و توزیع جرم نامتقارن را بهطور خودگردان جابهجا کنند. این سیستم با ادغام کنترل…

چارچوب ReCoVLA با استفاده از مدلهای چندوجهی برای هدایت پاداشها، توانایی رباتها در بازیابی از شکستها را بدون نیاز به بازآموزی سیاست اصلی افزایش میدهد. این روش نرخ موفقیت…

چارچوب Anything2Skill با تبدیل دانش خارجی پراکنده به قراردادهای مهارتی ساختاریافته، شکاف بین «خواندن مستندات» و «اجرای وظیفه» را پر میکند. این رویکرد باعث افزایش نرخ موفقیت…

معماری SecureClaw با ایجاد گیتهای دو-مرزی، احتمال نشت دادههای حساس توسط عاملهای هوش مصنوعی را در بنچمارک ASB به صفر رسانده است. این رویکرد، امنیت را از فیلترهای احتمالیِ متنی…