پرش به محتوای اصلی

موضوع

بازیابی‌افزا

RAG architectures, vector stores, grounding LLMs in private data

۱٬۱۱۲ مقاله منتشر شده

شرکت تامسون رویترز ۴۰ میلیون دلار برای توسعه هوش مصنوعی اختصاصی سرمایه‌گذاری کرد.

سرمایه‌گذاری ۴۰ میلیون دلاری تامسون روی مدل اختصاصی برای خروج از اجارهٔ هوش

شرکت تامسون رویترز با سرمایه‌گذاری ۴۰ میلیون دلاری، مدل زبانی اختصاصی خود به نام Thomson را بر پایه مدل Qwen علی‌بابا توسعه داد. هدف این شرکت کاهش وابستگی به OpenAI و Anthropic و…

۴ دقیقه خواندن
اجازه دسترسی کاربرمحور در ابزارهای عامل هوش مصنوعی با Node.js
آموزش کاربردی

جداسازی احراز هویت از مدل؛ راهکار Node.js برای جلوگیری از نشت داده در عامل‌ها

یک الگوی معماری جدید با تفکیک فرآیند انتخاب ابزار از مجوزهای دسترسی، مانع از نشت داده‌های حساس می‌شود. در این روش، هویت کاربر خارج از کنترل مدل تزریق می‌شود تا تزریق پرامپت نتواند…

۱۱ دقیقه خواندن۲
هفت نشانه بیش‌مهندسی اپلیکیشن هوش مصنوعی و راه‌های جلوگیری از آن
آموزش کاربردی

۷ نشانهٔ مهندسی بیش‌ازحد در توسعهٔ اپلیکیشن‌های هوش مصنوعی

بسیاری از توسعه‌دهندگان پیش از حل مسئلهٔ اصلی، معماری‌های پیچیده‌ای از پایگاه‌داده‌های برداری و گراف‌های چندعاملی می‌سازند. این راهنما تله‌های رایج مهندسی بیش‌ازحد را شناسایی کرده…

۹ دقیقه خواندن۱
مصاحبه با ۲۰ مهندس هوش مصنوعی: نگرانی مشترک آنها چیست؟

«طراحی سیستمی به جای تعویض مدل»؛ کلید موفقیت عامل‌های هوشمند

مصاحبه با ۲۰ مهندس هوش مصنوعی نشان می‌دهد که اکثر استقرار‌های عامل‌محور به‌دلیل اشتباه در تعریف «عامل» و تکیه بر تعویض مدل به‌جای طراحی سیستمی شکست می‌خورند. تفاوت میان یک رابط چت…

۵ دقیقه خواندن۲
الگوریتم در حاشیه: چگونه هوش مصنوعی تفسیر مذهبی را تغییر می‌دهد

زیرساخت‌های پژوهشی AI در حال انتقال تدریجی مرجعیت مذهبی هستند

هوش مصنوعی از نمایش‌های سطحی مانند «کشیش‌های رباتیک» فراتر رفته و به زیرساخت نامرئی پژوهش‌های الهیاتی تبدیل شده است. این سامانه‌ها با کنترل نحوه جست‌وجو و تلخیص متون مقدس، مرجعیت…

۱۲ دقیقه خواندن۱
تنها جمله‌ای که گوا را در حافظه آرک رکتور جای می‌دهد، آن است که فراموشش کن.
آموزش کاربردی

فشرده‌سازی حافظه در عامل‌های هوش مصنوعی نرخ بازیابی داده را ۵۷٪ کاهش داد

پروژه Arc Rector نشان داد که ذخیره‌سازی ساده و متوالی داده‌ها باعث ایجاد تضاد در حافظه مدل می‌شود. همچنین مشخص شد فشرده‌سازی تهاجمی برای کاهش هزینه توکن، می‌تواند دقت بازیابی…

۳ دقیقه خواندن۱
نمودار خطی: خط لوله هوشمند اسناد با استفاده از deepDoctection از ورودی تا خروجی.
آموزش کاربردی

deepDoctection ساختار اسناد پیچیده را برای سیستم‌های RAG قابل‌فهم کرد

راهنمای فنی جدیدی نشان می‌دهد چگونه می‌توان تشخیص چیدمان، نویسه‌خوانی نوری و شناسایی جداول را در یک جریان کاری واحد ادغام کرد. این چارچوب به توسعه‌دهندگان اجازه می‌دهد داده‌های…

۷ دقیقه خواندن
تحلیل قرارداد هوشمند برای تسریع انطباق کسب‌وکارهای کوچک و متوسط
آموزش کاربردی

جریان‌های کاری ساختاریافته در برابر چت‌بات‌های ساده در مدیریت ریسک

کسب‌وکارهای کوچک و متوسط از چت‌بات‌های ساده فاصله گرفته و به سمت جریان‌های کاری ساختاریافته برای تحلیل قراردادها حرکت می‌کنند. این رویکرد با استخراج تعهدات و شناسایی ریسک‌ها،…

۱۱ دقیقه خواندن
چک‌لیست ضروری مدل‌های زبانی بزرگ برای پذیرش هوش مصنوعی سازمانی ۲۰۲۶
آموزش کاربردی

۷ ستون زیرساختی برای استقرار ایمن هوش مصنوعی در سازمان‌های نظارتی ۲۰۲۶

سازمان‌های تحت نظارت باید از استقرار ساده مدل‌های زبانی فاصله گرفته و به سمت زیرساخت‌های لایه‌بندی‌شده حرکت کنند. چارچوب جدید ۲۰۲۶ بر جداسازی درگاه‌های مدل از خدمات داده،…

۴ دقیقه خواندن۲
بیزنود پرو: تا ۵ ربات تلگرام مستقل، هر یک با هویت، پایگاه دانش و شخصیت هوش مصنوعی منحصربه‌فرد.
آموزش کاربردی

BizNode Pro استقرار ۵ ربات تلگرام مستقل را روی سخت‌افزار محلی ممکن کرد

سامانه BizNode Pro با حذف وابستگی به ابر و هزینه‌های ماهانه، امکان اجرای ۵ ربات تلگرام خودمختار را روی سخت‌افزار کاربر فراهم می‌کند. این سیستم با ترکیب مدل‌های زبانی محلی و…

۳ دقیقه خواندن۲
موتور جستجویی برای یافتن بازی‌های ناشناخته استیم ساختم
آموزش کاربردی

چطور اثر انگشت‌های هوش مصنوعی بازی‌های باکیفیت اما گمنام را می‌یابد؟

موتور جست‌وجوی IndieDex با استفاده از اثر انگشت‌های سنتز شده توسط مدل‌های زبانی، الگوریتم‌های محبوبیت‌محور استیم را دور می‌زند تا بازی‌های مستقل باکیفیت اما کم‌بیننده را شناسایی…

۵ دقیقه خواندن۲