پرش به محتوای اصلی

موضوع

بازیابی‌افزا

RAG architectures, vector stores, grounding LLMs in private data

۱٬۱۱۲ مقاله منتشر شده

چرا برترین عامل‌های هوش مصنوعی در محیط‌های پیچیده از سد ۶۰ درصد عبور نمی‌کنند؟

چرا برترین عامل‌های هوش مصنوعی در محیط‌های پیچیده از سد ۶۰ درصد عبور نمی‌کنند؟

بنچمارک جدید ComplexMCP نشان می‌دهد برترین عامل‌های هوش مصنوعی در محیط‌های ابزاری پیچیده تنها ۶۰ درصد موفقیت دارند، در حالی که این رقم برای انسان‌ها ۹۰ درصد است. این مطالعه…

۲ دقیقه خواندن
استخراج استدلال؛ سازوکاری برای کاهش توهمات مدل‌های زبانی در روایت‌های سلامت

استخراج استدلال؛ سازوکاری برای کاهش توهمات مدل‌های زبانی در روایت‌های سلامت

پژوهشگران با ترکیب استخراج استدلال و گراف‌های دانش، سیستمی برای کاهش توهمات مدل‌های زبانی در روایت‌های سلامت سالمندان طراحی کرده‌اند. این معماری بازتابی تضمین می‌کند که داستان‌های…

۲ دقیقه خواندن
گزارش arXiv: ابزارهای پژوهشی هوش مصنوعی در معیارهای بازتولیدپذیری مردود شدند

گزارش arXiv: ابزارهای پژوهشی هوش مصنوعی در معیارهای بازتولیدپذیری مردود شدند

ابزارهای هوش مصنوعی در خلاصه‌سازی متون موفق هستند اما در استخراج دقیق داده‌های علمی شکست می‌خورند. یک چارچوب ارزیابی جدید نشان می‌دهد که ویژگی‌های هوش مصنوعی توضیح‌پذیر اغلب به…

۲ دقیقه خواندن
سازوکار HAGE: تبدیل حافظه‌ی ایستا به نقشه‌ی شناختی پویا با یادگیری تقویت‌شده

سازوکار HAGE: تبدیل حافظه‌ی ایستا به نقشه‌ی شناختی پویا با یادگیری تقویت‌شده

چارچوب HAGE جستجوی برداری ایستا در عامل‌های هوش مصنوعی را با گراف‌های حافظه چندرابطه‌ای و وزنی جایگزین می‌کند. این سیستم با استفاده از یادگیری تقویت‌شده برای بهینه‌سازی وزن…

۲ دقیقه خواندن۲
چگونه Agent Memory Guard جلوی مسمومیت حافظه در عامل‌های هوش مصنوعی را می‌گیرد؟
آموزش کاربردی

چگونه Agent Memory Guard جلوی مسمومیت حافظه در عامل‌های هوش مصنوعی را می‌گیرد؟

سازمان OWASP ابزاری متن‌باز برای مقابله با «مسمومیت حافظه» در عامل‌های هوش مصنوعی معرفی کرد. این اسکنر دستورات مخربی را که در حافظه بلندمدت ذخیره شده و در جلسات آینده فعال…

۲ دقیقه خواندن
چرا بازیابی عامل‌محور در RRCM بر روش‌های سنتی توزیع متن غلبه می‌کند؟

چرا بازیابی عامل‌محور در RRCM بر روش‌های سنتی توزیع متن غلبه می‌کند؟

چارچوب RRCM با استفاده از GRPO به‌طور پویا تصمیم می‌گیرد چه زمانی از شواهد مشارکتی یا متادیتا برای توصیه‌ها استفاده کند. این رویکرد عامل‌محور با حذف نویز، عملکرد مدل‌های زبانی با…

۲ دقیقه خواندن
از ۲۰ دلار تا مقیاس میلیاردها بردار: مقایسه ۹ دیتابیس برداری برای سال ۲۰۲۶
آموزش کاربردی

از ۲۰ دلار تا مقیاس میلیاردها بردار: مقایسه ۹ دیتابیس برداری برای سال ۲۰۲۶

دیتابیس‌های برداری از ابزارهای آزمایشی به زیرساخت‌های حیاتی برای RAG و هوش مصنوعی عامل‌محور تبدیل شده‌اند. این تحلیل، شکاف میان سرویس‌های SaaS ساده، موتورهای GPU مقیاس‌پذیر و…

۳ دقیقه خواندن
چگونه OncoAgent با معماری دو لایه، استقرار محلی AI در سرطان‌شناسی را ممکن کرد؟

چگونه OncoAgent با معماری دو لایه، استقرار محلی AI در سرطان‌شناسی را ممکن کرد؟

OncoAgent یک چارچوب متن‌باز برای پشتیبانی از تصمیمات سرطان‌شناسی است که به‌طور کامل در محیط داخلی (On-premises) اجرا می‌شود تا حریم خصوصی بیماران را تضمین کند. این سیستم با…

۳ دقیقه خواندن
توقف توهمات در محیط تولید؛ ابزارهای جدید پایتون برای تضمین ساختار خروجی LLM
آموزش کاربردی

توقف توهمات در محیط تولید؛ ابزارهای جدید پایتون برای تضمین ساختار خروجی LLM

مجموعه‌ای از سه ابزار جدید پایتون برای تبدیل تست‌های ذهنی و انسانی در خط لوله‌های هوش مصنوعی به قراردادهای سخت‌گیرانه و خودکار معرفی شدند. این استک با شناسایی زودهنگام خطاهای…

۲ دقیقه خواندن۲
پایان عصر بازآموزی؛ Memini چگونه حافظه‌ی مدل‌های زبانی را زنده می‌کند

پایان عصر بازآموزی؛ Memini چگونه حافظه‌ی مدل‌های زبانی را زنده می‌کند

سیستم Memini با شبیه‌سازی مکانیسم‌های بیولوژیکی مغز، حافظه‌ی خارجی مدل‌های زبانی را پویا می‌کند. این فناوری اجازه می‌دهد مدل‌ها بدون نیاز به بازآموزی، حقایق جدید را بیاموزند و…

۲ دقیقه خواندن