پرش به محتوای اصلی

موضوع

تجربه توسعه‌دهندگان

۱٬۷۸۸ مقاله منتشر شده

هزینه زمینه برای عامل کدنویسی هوش مصنوعی: مقایسه grep، گراف و LSP در ۹۳۶ اجرا
آموزش کاربردی

گراف‌های ساختاری هزینه استنتاج عامل‌های هوش مصنوعی را تا ۲۴ برابر کاهش دادند

یک بنچمارک گسترده با ۹۳۶ اجرا نشان می‌دهد که جست‌وجوی متنی برای کارهای ساده کافی است، اما برای بازسازی کدهای پیچیده، گراف‌های ساختاری ضروری هستند. استفاده از این ابزارها هزینه‌ها…

۱۳ دقیقه خواندن
سازنده عامل هوش مصنوعی بدون کد روی سرور خودتان
آموزش کاربردیتأییدنشده · منبع منفرد

گزارش فنی: حذف کدنویسی، سرعت استقرار عامل‌های شخصی را دوبرابر کرد

یک چارچوب جدید بدون‌کد (No-Code) امکان ساخت و اجرای عامل‌های هوشمند بر روی سرورهای شخصی را فراهم می‌کند. این رویکرد با حذف وابستگی به ابر و نیاز به برنامه‌نویسی پایتون، حریم خصوصی…

۳ دقیقه خواندن
طراحی زمان اجرای عامل هوشمند با ابزارها، حافظه، مجوزها، مهارت‌ها و هماهنگی چندعاملی
آموزش کاربردی

OpenHarness با جداسازی تفکر از اجرا، استقرار ایمن عامل‌های هوشمند را ممکن کرد

چارچوب OpenHarness با تفکیک لایه‌ی استدلال مدل از محیط اجرای ابزارها، استقرارهای تجاری عامل‌های هوش مصنوعی را ایمن‌تر می‌کند. این سیستم از طریق مجوزهای لایه‌بندی شده و مدیریت پویا…

۳۱ دقیقه خواندن
ساخت LSTM با PyTorch و Lightning AI بخش ۳: تکمیل سلول LSTM
آموزش کاربردی

چگونه با Lightning AI یک واحد حافظه کوتاه‌مدت و بلندمدت بسازیم؟

این راهنمای فنی، جزئیات پیاده‌سازی یک واحد حافظه کوتاه‌مدت و بلندمدت (LSTM) را با تمرکز بر به‌روزرسانی حالت‌ها و مسیر پیش‌رو بررسی می‌کند. این متد برای پردازش داده‌های توالی‌محور…

۳ دقیقه خواندن۲
فیگما در Config 2026 بر قضاوت انسانی شرط‌بندی می‌کند، در حالی که هوش مصنوعی بوم آن متعلق به دیگری است.

فیگما با ادغام کد و موشن در بوم طراحی، مالکیت مدل‌های بنیادی را رها کرد

فیگما برای حفظ جایگاه خود در برابر ابزارهای تولید خودکار رابط کاربری، بوم طراحی را به محیطی برای اجرای کد و موشن تبدیل کرده است. این شرکت به‌جای ساخت مدل اختصاصی، بر تقویت قضاوت…

۷ دقیقه خواندن۲
تست هوش مصنوعی قبل از کاربر: جلوگیری از شکست در محیط عملیاتی
آموزش کاربردی

Strands Evals با مهندسی آشوب نقاط شکست عامل‌های هوش مصنوعی را شناسایی می‌کند

چارچوب جدید Strands Evals با تزریق خطاهای کنترل‌شده در ابزارها، پایداری عامل‌های هوش مصنوعی را می‌سنجد. این روش به توسعه‌دهندگان کمک می‌کند تا خطاهای خاموش و زمان‌بندی را پیش از…

۹ دقیقه خواندن