Kami یه دیزاینسیستم مبتنی بر محدودیته که به هر ایجنتی یه بریف میدی و ازش لایوت مرتب و آمادهٔ چاپ میگیری؛ از رزومه و وانپیجر تا اسلاید و گزارش مالی.
موزیلا یه سرور MCP برای MDN منتشر کرده که مستندات وب و دیتای سازگاری مرورگرها رو مستقیم میذاره تو دسترس ایجنتهای هوش مصنوعی و ادیتور کدت، تا اطلاعات قدیمی و اشتباه ندن.
گوگل کلاود یه استاندارد باز به اسم OKF معرفی کرده که دانشِ داخلی سازمان رو به شکل یه پوشه فایل مارکداون درمیاره تا هر ایجنتی بتونه بخونتش.
کمیسیون فدرال انرژی آمریکا به اپراتورهای شبکه دستور داده اتصال دیتاسنترها رو سریعتر کنن؛ ولی مشکل کمبود تولید برق هنوز حل نشده.
مهندسهای OpenAI میگن تونستن هزینهٔ اجرای مدل رو برای کاربرهای بدون حساب ChatGPT بیش از نصف کم کنن.
یه طراح باسابقه میگه فیگما بهش کمک کرد ساختار طراحی رو «لمس» کنه و یاد بگیره، و نگرانه ابزارهای هوش مصنوعی همون اصطکاکِ یادگیرنده رو صاف کنن.
جیک آلبا از فیگما یه اسم تازه گذاشته رو یه مشکل قدیمی: وقتی چند تصمیم استایل با هم سفر میکنن و تو هر ابزار یه کپی دستی ازشون میمونه که بهمرور از هم دور میشن.
رابین کنون میگه فیگما مسئلهٔ هماهنگی زمانهٔ خودش رو حل کرد، ولی حالا که مرکز ثقل از بوم به کد منتقل میشه، خطرش اینه که همچنان مسئلهٔ قبلی رو حل کنه.
RL روی مدلهای زبانیِ بزرگ دیگه فقط یه حلقهٔ آموزش نیست، یه مسئلهٔ سیستمهای توزیعشدهست؛ Miles میخواد این کارِ سخت رو سادهتر کنه.
تیم Goodfire روشی معرفی کرده که قبل از شروع آموزش پیشبینی میکنه یه دیتاست ترجیحی چه رفتارهایی رو تو مدل تقویت یا سرکوب میکنه و ردشون رو تا دادههای مسئول میگیره.
لیلیان ونگ تو یه مرور مفصل توضیح میده قوانین مقیاسپذیری از کجا اومدن، چرا کاپلان و چینچیلا به دو جواب متفاوت رسیدن و چرا برازش این منحنیها تو عمل اینقدر لغزندهست.
محققهای Varonis یه آسیبپذیری تو مایکروسافت ۳۶۵ کوپایلت پیدا کردن که با یه لینک ساده میتونست ایمیلها و فایلهای محرمانهٔ قربانی رو بیسروصدا بدزده.
امیلی کمپبل میگه محصول AI شش لایه داره — رابط، کانتکست، harness، مدل، حکمرانی و ظهور — و طراحها باید بتونن تو هر ششتا حرف بزنن و مداخله کنن.
OpenAI با همکاریِ Broadcom اولین پردازندهٔ اختصاصیاش به اسمِ Jalapeño رو معرفی کرد؛ تراشهای که مخصوصِ اجرای مدلها ساخته شده تا هزینه و وابستگی به GPUهای Nvidia رو کم کنه.
یه موتور جستوجوی کد که بهجای سرعت خام، روی مرتبطبودن نتیجه تمرکز میکنه و برای ایجنتهای هوش مصنوعی ساخته شده تا context درست رو با مصرف توکن کمتر پیدا کنن.
گیتلب تو رویداد Transcend یه موتور Git بازطراحیشده برای ایجنتها، یه گراف زمینهٔ کل چرخهٔ توسعه و ابزارهای امنیت و حاکمیت ایجنتها رو معرفی کرد تا سرعت کدنویسی ایجنتیک رو کنترلشده کنه.
به گزارش Business Insider، رئیس هوش مصنوعی متا تو یه جلسهٔ داخلی گفته مدل در حال آموزششون با کدنام «هندوانه» رو بنچمارکها به GPT-5.5 رسیده؛ ادعایی که هنوز هیچ دادهای پشتش منتشر نشده.
بیشتر تیمها اول مدل رو انتخاب میکنن و بعد معماری رو؛ نویسنده میگه این برعکسه — روتری که تصمیم میگیره هر درخواست با چه ردهٔ مدلی اجرا بشه، مهمتره.
پکیج npm تازهٔ آمازون یک سرور MCP و چند Agent Skill میده به ایجنت کدنویست تا الگوها و ابزارهای Vega OS رو بشناسه؛ از راهاندازی پروژه تا سیمبولیکیت کردن کرش.
تحلیلگرهای Breaking Analysis میگن مسابقهٔ ابرهوش برای شرکتها بیفایدهست؛ برنده اونیه که داده، فرایند و دانش ضمنی خودش رو به یه «سیستم هوش» حکمرانیشده تبدیل کنه.