پرش به محتوای اصلی

موضوع

مدل‌های بازوزن

Open-source models, open weights, local hosting, licensing

۴۸۶ مقاله منتشر شده

عامل هوش مصنوعی Clioloop با قابلیت ترکیب عاملی، یک پلتفرم متن‌باز برای خودکارسازی وظایف پیچیده.
آموزش کاربردی

Clioloop با ترکیب مدل‌های ارزان‌قیمت، کیفیت مدل‌های پیشرو را شبیه‌سازی می‌کند

پروژه متن‌باز Clioloop با استفاده از مکانیزم «تلفیق عامل‌محور»، پاسخ‌های باکیفیت را از ترکیب چندین مدل کوچک و ارزان تولید می‌کند. این سیستم با جایگزینی یک مدل واحد و گران با تیمی…

۳ دقیقه خواندن
از سیلیکون تا PWA: تجربه من از استقرار عامل هوش مصنوعی خودمختار در گردش کار روزانه‌ام
آموزش کاربردی

عامل Hermes با دسترسی به ترمینال خطاهای پیچیده لینوکس و فلاتر را رفع کرد

یک مهندس ارشد با استقرار عامل هوش مصنوعی Hermes در محیط لینوکس، موفق شد با دسترسی مستقیم به سیستم‌فایل و کامپایلر، باگ‌های دشواری را حل کند که دستیارهای متنی معمولاً قادر به تشخیص…

۳ دقیقه خواندن۱
اجرا کردن Claude Code به‌عنوان عامل مستقل روی Mac Mini
آموزش کاربردی

یک مک‌مینی M4 می‌تواند عامل‌های خودکار Claude Code را بدون هزینه ماهانه اجرا کند

یک توسعه‌دهنده با استفاده از مک‌مینی M4 و تنظیمات خاص، خط لوله تولید محتوا را به‌صورت کاملاً خودکار و بدون دخالت انسانی پیاده کرده است. این سیستم با حذف نیاز به VPSهای ابری،…

۳ دقیقه خواندن
تست نشت اطلاعات در ۵ مدل زبانی بزرگ با حمله تزریق پرامپت: از ۰ تا ۹۰ درصد
آموزش کاربردی

کدام مدل زبانی در برابر نشت کلیدهای امنیتی مقاوم‌تر است؟

یک ابزار امنیتی جدید نشان می‌دهد که انتخاب مدل زبانی در پس‌زمینهٔ عامل‌های هوش مصنوعی، مستقیماً بر نرخ نشت داده‌های حساس اثر می‌گذارد. در حالی که برخی مدل‌ها مقاوم هستند، برخی…

۳ دقیقه خواندن
عوامل هوش مصنوعی من هر شب ۱۰ دقیقه برای بازنویسی حافظه خود صرف می‌کنند.
آموزش کاربردی

Lorekeeper: کاهش فراموشی حافظه در عامل‌ها با چرخه‌های بازاندیشی

لایه‌ی حافظه‌ی متن‌باز Lorekeeper از طریق چرخه‌های بازاندیشی در زمان‌های بیکاری، از تکرار اشتباهات و فراموشی ترجیحات پروژه در عامل‌های هوش مصنوعی جلوگیری می‌کند. این ابزار با…

۳ دقیقه خواندن