آخرین اخبار
- DeepTeam: تست نفوذ برای مدل‌های زبانی
یه فریم‌ورک متن‌باز که با جیلبریک و تزریق پرامپت به جون چت‌بات و ایجنت خودت می‌افته تا قبل از مهاجم واقعی، نشت داده و سوگیری رو پیدا کنی.
- زاپیر چطور به مدیران محصول نمرهٔ AI می‌ده
وید فوستر، مدیرعامل زاپیر، روبریک سنجش مهارت کار با AI رو باز کرده و تو یه پادکست دو سند واقعی مدیر محصول رو با همون معیارها نمره داده.
۶ هفته پیش۳ دقیقهaakashg.com - OKR وقتی کاربر محصولت یه ایجنت هوش مصنوعیه
جف گوتلف می‌گه وقتی مصرف‌کنندهٔ محصول یه ایجنت خودمختاره، تیم‌ها بی‌سروصدا آدم رو از هدف حذف می‌کنن و ماشین رو جاش می‌ذارن، چون اندازه‌گیری ماشین خیلی راحت‌تره.
۶ هفته پیش۳ دقیقهjeffgothelf.com - Devin Cloud حالا تو ترمینال
با آپدیت جدید CLI می‌تونی سشن‌های ابری Devin رو از همون ترمینال بسازی و هدایت کنی، بعد لپ‌تاپو ببندی و کار تو پس‌زمینه ادامه پیدا کنه.
۶ هفته پیش۳ دقیقهdevin.ai - Data Brewery؛ کارخونهٔ دادهٔ مصنوعی اطلسین
تیم مهاجرت ابری اطلسین برای تست ابزارهاش به دیتاست‌های غول‌پیکر جیرا و کانفلوئنس نیاز داشت. راه‌حلشون این بود که ساخت ردیف‌ها رو از وصل کردن رابطه‌ها جدا کنن.
- سومو لاجیک خط لولهٔ دادهٔ خودش رو تقویت کرد
قابلیت Data Pipelines حالا اجازه می‌ده تیم‌ها قبل از اینکه تله‌متری ذخیره و تحلیل شه، نویزش رو بگیرن و مسیر و لایهٔ هزینه‌اش رو خودشون مشخص کنن.
- مقاومت در برابر «مغز کهکشانی»: وقتی استدلال هر چیزی رو توجیه می‌کنه
ویتالیک بوترین یه معیار ساده برای سنجیدن استدلال‌ها پیشنهاد می‌ده: اگه یه شیوهٔ فکر کردن بتونه هر نتیجه‌ای رو توجیه کنه، در واقع هیچی نمی‌گه.
- دیزاین سیستمی که برای LLM بازنویسی شد
طراح اصلی Help Scout می‌گه هوش مصنوعی با دیزاین سیستم قدیمی‌شون عملاً هیچ کاری نمی‌تونست بکنه، برای همین کل سیستم رو از نو چید تا برای ماشین خوانا بشه.
۶ هفته پیش۳ دقیقهbuzzusborne.com - ایجنت‌های گروهی؛ سریع‌تر، ولی گرون‌تر
تحلیل Toby Ord از داده‌های OpenAI نشون می‌ده زیاد کردن تعداد ایجنت‌ها خیلی کمتر از طولانی‌کردن استدلال یه ایجنت جواب می‌ده؛ سود اصلیش جای دیگه‌ایه.
۶ هفته پیش۳ دقیقهtobyord.com - اپل قلم کوتاه مخصوص آیفون دوئو رو کنار گذاشت
قرار بود یه اپل پنسل کوتاه‌تر مخصوص گوشی تاشوی اپل ساخته بشه که به سمت لولا بچسبه، ولی قبل از تولید انبوه به مشکل فنی خورد و پروژه تعطیل شد.
- دونستن «خوب» کافی نیست
ایجنت‌ها ساختن نرم‌افزار رو انقدر ارزون کردن که می‌شه اپی ساخت که فقط خودت ازش استفاده کنی، ولی وقتی پای چند هزار کاربر وسط باشه «خوب» یه هدف متحرکه.
- RecreationWorld؛ زمین تمرین ایجنت‌های کامپیوتری
کوئن یه محیط پنج‌پلتفرمی متن‌باز کرده که ایجنت باید توش یه اپ در حال اجرا رو از نو بسازه؛ نتیجه‌ش می‌گه مدل‌های امروزی هنوز فاصله دارن.
۶ هفته پیش۳ دقیقهgithub.com - چین جلوتر از آمریکا تو مدل‌های open-weight
Nathan Lambert متن آماده‌شده‌اش برای کنگره رو منتشر کرده: آمار دانلود، بنچمارک و مقاله‌های arXiv همه یه چیزو می‌گن، رهبری مدل‌های باز دست چین افتاده.
۶ هفته پیش۳ دقیقهinterconnects.ai - چرا ارائه‌هات بی‌روحن؟ چون شرور نداری
کیس‌استادی‌های طراحی معمولا با «ازم خواستن این رو بسازم» شروع می‌شن. نویسنده می‌گه اگه یه پاراگراف قبل‌ترش بنویسی، کل روایت عوض می‌شه.
- Jev زیر ذره‌بین: ۱۰۰ فراخوان واقعی ایجنت
تیم Archestra مدل سریع Jev رو کنار Sonnet 5 و چند مدل متن‌باز روی ۱۰۰ فراخوان واقعی Claude Code سنجید؛ جالب اینجاست که مدلی که بالاترین دقت رو گرفت، خطرناک‌ترین خطاها رو داشت.
۶ هفته پیش۳ دقیقهarchestra.ai - پرامپت‌نویسی بی‌پرامپت: پتنت تازه‌ی ادوبی
ادوبی پتنتی ثبت کرده که به‌جای منتظر موندن برای پرامپت شما، از روی چیزی که موس روش می‌ره خودش پرامپت رو می‌سازه و محتوا رو از قبل تولید می‌کنه.
۶ هفته پیش۲ دقیقهpatentlyze.com - علی‌بابا از قوی‌ترین تراشه هوش مصنوعی چین رونمایی کرد
تراشه تازه Zhenwu V900 سه برابر نسل قبلی کار می‌کنه و می‌شه تا ۵۰۰ هزارتاش رو کنار هم گذاشت؛ هدف بعدی، یه مدل با ۵ تا ۱۰ تریلیون پارامتره.
۶ هفته پیش۲ دقیقهfinance.yahoo.com - لینیر چطور CI رو از حالت گلوگاه درآورد
تست‌های لینیر از اول سال تقریباً چهار برابر شدن، ولی انتظار هر PR روی CI از بیشتر از ۶ دقیقه به کمی بالای ۵ دقیقه رسیده.
- MiMo-V2.6 و آموزش تقویتی در مقیاس بزرگ
گزارش جدید MiMo-V2.6 می‌گه پاداش دودویی قبول یا رد، ایجنت‌ها رو به نوشتن پچ‌های شلخته عادت می‌ده؛ راه‌حلشون نمره دادن گروهی به کیفیت پچ‌هاست.
۶ هفته پیش۴ دقیقهalphaxiv.org - روبوهارم: وقتی ربات دستور خطرناک رو اجرا می‌کنه
پنج سناریوی خطرناک، سه سیاست رباتیک و ۳۰۰ اجرای واقعی: نتیجه اینه که ربات‌ها تقریبا همیشه دستور رو انجام می‌دن، حتی وقتی آخرش آسیب جدیه.
۶ هفته پیش۳ دقیقهrobocurve.org
