گوگل ریسرچ با یه بنچمارک ۲۱۵۰ فکتی نشون داده مدل‌های نسل جدید تقریباً همه‌چیز رو یاد گرفتن، ولی موقع جواب دادن نمی‌تونن بخش بزرگی ازش رو از حافظه بیرون بکشن.

۱ هفته پیش۳ دقیقهresearch.google

وقتی یه جلسهٔ کدنویسی با ایجنت طولانی می‌شه، کانتکست مدل پر می‌شه و باید خلاصه شه. تیم مهندسی Earendil توضیح داده این فشرده‌سازی دقیقاً کِی و با چه پرامپتی اتفاق می‌افته.

۱ هفته پیش۳ دقیقهearendil.com

لیت‌پست با نزدیک به ده پژوهشگر چینی حرف زده تا بگه distillation دقیقاً چیه، چطور صنعتی می‌شه و چرا هیچ شرکتی حاضر نیست علنی دربارهش حرف بزنه.

۱ هفته پیش۴ دقیقهgeopolitechs.org

یه توسعه‌دهنده آزمایش کرده که اگه پایدار بودن ارجاع propها به‌جای یه قرارداد نانوشته خودش بخشی از تایپ باشه چی می‌شه؛ حاصلش پکیج آزمایشی stableref ـه.

۱ هفته پیش۴ دقیقهjovidecroock.com

سرمایه‌گذارها می‌گن سازندهٔ Claude می‌تونه اکتبر امسال با ارزش ۲ تریلیون دلار وارد بورس بشه؛ رقمی که رکورد SpaceX رو هم جابه‌جا می‌کنه.

۱ هفته پیش۳ دقیقهarstechnica.com

ورسل با یه ایجنت که تو حلقه تست می‌نوشت و کد رو اصلاح می‌کرد مسیرهای کند v0 رو آنی کرد؛ کلیدش هلپر تازه‌ای بود که «آنی بودن» رو به یه تست قطعی تبدیل می‌کنه.

۱ هفته پیش۳ دقیقهnextjs.org

سرویس تشخیص متن میسترال تو نسخهٔ ۴.۱ به‌جای یه متن یکدست، مختصات هر پاراگراف، برچسب ساختاری بلوک‌ها و امتیاز اطمینان جداگانهٔ هر بلوک رو هم برمی‌گردونه.

۱ هفته پیش۲ دقیقهdocs.mistral.ai

ساب‌استک ابزار Pangram رو آورده تا معلوم بشه متن کار آدمه یا مدل؛ ولی «اسلاپ» داره از نقد کیفیت به قضاوت دربارهٔ خود نویسنده سُر می‌خوره.

۱ هفته پیش۳ دقیقهcarly.substack.com

به‌جای تایپ دوبارهٔ دستورها، هر مرحله از کار رو یک‌بار به‌عنوان اسکیل ذخیره می‌کنی و با یه اسلش‌کامند صداش می‌زنی؛ از نوشتن PRD تا تیکت‌بندی و اعتبارسنجی کد.

۱ هفته پیش۳ دقیقهmindstudio.ai

AI کاری کرده که کارهایی رو انجام بدیم که اصلاً بلد نیستیم کیفیتش رو بسنجیم؛ نویسنده می‌گه همین فاصله بین انجام و داوری، منطقهٔ خطر تازه‌ای تو تیم‌ها ساخته.

۱ هفته پیش۴ دقیقهitamargilad.com

یه محافظ صفحهٔ شخص‌ثالث که آنلاین چرخیده، برش دوربین رو گوشهٔ بالا-راست نمایشگر بیرونی نشون می‌ده؛ چیزی که با عادت همیشگی اپل به دوربین وسط فرق داره.

نویسنده می‌گه PRD جای خودش رو داره، ولی وقتی هنوز دنبال هدفی یه قالب شش‌خطی بهتر جواب می‌ده؛ اون‌قدر کوتاه که تیم واقعاً بخونتش و بشه مستقیم دادش دست یه ایجنت.

گوگل فقط سه هفته بعد از ۳.۶ Flash، نسخهٔ تازه رو معرفی کرد: امتیاز کدنویسی و کار با سندهای پیچیده بالا رفته و قیمت هر میلیون توکن نصف شده.

۱ هفته پیش۳ دقیقهblog.google

یه یوتیوبر با Claude Code و GPT Codex یه بازی روگ‌لایت سه‌بعدی ساخت؛ تو چند ساعت هزاران خط کد نوشته شد ولی کنترل‌ها وارونه بودن و کلی باگ داشت.

۱ هفته پیش۲ دقیقهmindstudio.ai

سه مهندس OpenAI با ایجنت‌های Codex یه محصول داخلی با بیش از یک میلیون خط کد ساختن؛ رازشون یه روش خاص واسه مدیریت دستورالعمل‌های ایجنت تو سشن‌های طولانی بوده.

۱ هفته پیش۲ دقیقهmindstudio.ai

گوگل خط جدید سخت‌افزارش رو معرفی کرد: چهار مدل پیکسل ۱۱، ساعتی که ترند فشار خون رو دنبال می‌کنه و یه ردیاب کوچیک استیل برای پیدا کردن وسایل گم‌شده.

۱ هفته پیش۲ دقیقهblog.google

دیوید پریرا می‌گه مشکل بیشتر تیم‌ها کمبود ابزار و فرایند نیست، زیادی‌شونه؛ اون بک‌لاگ ۸۰۰تایی و همهٔ جلسه‌های تکراری رو حذف کرد و می‌گه نتیجه بهتر شد.

ویکی بویکیس می‌گه دیگه نمی‌تونه عنوان و توضیح pull requestها رو تو اینترنت بخونه؛ نه چون کد بلد نیست، چون این متن‌ها رو ماشین می‌نویسه و هیچ‌کس، حتی نویسنده‌شون، نمی‌خونتشون.

یه نسخهٔ منتشرنشدهٔ تحقیقاتی با ۶۰ ساب‌ایجنت و ۳۱ میلیون توکن خروجی، یه کران عددی مرتبط با فرضیهٔ ریمان رو از بهترین رکورد انسانی جلو زد.

۱ هفته پیش۲ دقیقهmindstudio.ai

ورسل یه تمپلیت گیت‌هابی داده که با چهار ایجنت هوش مصنوعی، از گرفتن تسک تا ساختن یه Pull Request آماده رو خودکار می‌کنه و فقط تأیید نهایی رو می‌ذاره دست خودت.

۱ هفته پیش۳ دقیقهgithub.com