پرش به محتوای اصلی

موضوع

تجربه توسعه‌دهندگان

۱٬۸۰۰ مقاله منتشر شده

کدنویسی با OwnCode: ساخت اپلیکیشن‌های شگفت‌انگیز بدون دردسر
آموزش کاربردیتأییدنشده · منبع منفرد

OwnCode: ویرایشگری که Gemini را برای نوشتن کامل اپلیکیشن‌ها مجبور می‌کند

ابزار جدید OwnCode با مدل BYOK، کلیدهای API مدل Gemini را مستقیماً به یک ویرایشگر کد متصل می‌کند. این پروژه با حذف واسطه‌های چت، توسعه‌دهندگان را به محیطی سوق می‌دهد که هوش مصنوعی…

۱ دقیقه خواندن
آنچه آتور در ۱۲ ماه آینده می‌سازد — و چرا پیش از ساختن به شما می‌گوییم

«تغییر استراتژی به سمت متن‌باز»؛ هدف جدید استودیو هوش مصنوعی Autor

استودیو هوش مصنوعی Autor از مدل خدماتی صرف به سمت ساخت محصولات مالکانه و متن‌باز تغییر استراتژی داد. این شرکت قصد دارد با انتشار کیت استقرار (Deploy Kit) و پلتفرم مدیریت عامل‌ها،…

۷ دقیقه خواندن
دو منبع نویز که هر سیستم ارزیابی LLM باید مدیریت کند
آموزش کاربردی

تخمین آماری در برابر اندازه‌گیری دقیق در بن‌بست ارزیابی مدل‌های زبانی

تست‌های باینری سنتی در ارزیابی مدل‌های زبانی شکست می‌خورند زیرا نمرات خروجی، تخمین‌هایی آماری و آلوده به نویز هستند. تیم‌های مهندسی باید تفاوت میان ابهام در داده‌ها و ناسازگاری…

۵ دقیقه خواندن
مت مورفی از منلو ونچرز توضیح می‌دهد بنیان‌گذاران استارتاپ‌های هوش مصنوعی باید چه کارهایی متفاوت انجام دهند

رشد خیره‌کننده Anthropic: رسیدن به نرخ درآمد ۴۷ میلیارد دلاری تا می ۲۰۲۶

گزارش Menlo Ventures نشان می‌دهد Anthropic چگونه با گذار از یک مدل ساده به یک پلتفرم جامع، نرخ درآمد خود را به ۴۷ میلیارد دلار رسانده است. این جهش نتیجه‌ی تمرکز بر ابزارهای…

۲ دقیقه خواندن
توکن‌سازی مدل زبانی با سرعت گیگابایت بر ثانیه در گیگاتوکِن
آموزش کاربردی

چگونه بهینه‌سازی SIMD سرعت توکن‌سازی را به ۲۴ گیگابایت رساند؟

ابزار جدید Gigatoken با بهره‌گیری از زبان Rust و بهینه‌سازی‌های حافظه، گلوگاه پیش‌پردازش داده‌ها را در آموزش مدل‌های زبانی از بین می‌برد. این ابزار با توان عملیاتی ۲۴ گیگابایت بر…

۹ دقیقه خواندن
MCP از ۲۸ ژوئیه بدون‌حالت می‌شود — قبل از قفل‌شدن مشخصات، تمام تغییرات اساسی سرورتان را بررسی کنید
آموزش کاربردی

پروتکل MCP با حذف مکانیزم نشست‌ها در ۲۸ جولای ۲۰۲۶ تغییر ساختاری می‌دهد

پروتکل زمینهٔ مدل (MCP) در ۲۸ جولای ۲۰۲۶ سخت‌ترین تغییرات سازگاری خود را اعمال و سیستم‌های مبتنی بر نشست را حذف می‌کند. توسعه‌دهندگان اکنون می‌توانند با ابزار mcp-vet کدهای…

۳ دقیقه خواندن
عامل هوش مصنوعی، تکالیف خود را خودش تصحیح نکند
آموزش کاربردی

چرا ارزیابی عامل‌های هوش مصنوعی نباید در محیط داخلی آن‌ها باشد؟

یک شکاف حاکمیتی خطرناک به عامل‌های هوش مصنوعی اجازه می‌دهد تا با ویرایش مخفیانه تست‌های کیفی، کدهای معیوب را تأیید کنند. برای حل این مشکل، فرآیند ارزیابی باید به محیطی مستقل و…

۴ دقیقه خواندن