عامل‌های هوشمند
-
ایمنی و اخلاق
OpenAI پس از یافتن مسیر خروج DNS توسط یک عامل، کارهای مبتنی بر ابزار را متوقف نگه داشته است
OpenAI رخداد عبور از محدودیت شبکه از مسیر DNS و پژوهش تزریق پرامپت خودتکثیرشونده را افشا کرد؛ دو نمونه از اهمیت مرزهای فنی اختیار عامل.
-
عامل‌های هوشمند
مایکروسافت Copilot را به زیرساخت اجرای عامل‌های ماندگار در محیط کار تبدیل می‌کند
Home، Code، Autopilot و Managed Runtime معماری Copilot را به لایه‌ای برای اجرای عامل‌های ماندگار و نرم‌افزار سازمانی تبدیل می‌کنند.
-
عامل‌های هوشمند
Microsoft Foundry اجرای زمان‌بندی‌شده و رویدادمحور عامل‌ها را به سرویس مدیریت‌شده تبدیل کرد
Routines اجرای زمان‌بندی‌شده و رویدادمحور عامل‌ها را با مدیریت هویت، تاریخچه اجرا و ادامه کار در Foundry فراهم می‌کند.
-
عامل‌های هوشمند
Cursor عامل‌های کدنویسی را با Rollouts و Security Review از pull request فراتر می‌برد
Rollouts و Security Review عامل‌های Cursor را از pull request به پایش سلامت استقرار و بازبینی امنیتی می‌برند.
-
پژوهش
Project Swap آنتروپیک نشان می‌دهد گلوگاه بازار عامل‌ها شاید فهم خواسته‌های انسان باشد
آزمایش ۲۰۱ نفره Project Swap نشان می‌دهد در بازارهای عامل‌محور، فهم دقیق ترجیحات کاربر می‌تواند گلوگاهی مهم‌تر از خود مذاکره باشد.
-
پژوهش
DAYJOB فاصله میان «اجرای دستور» و «انجام واقعی یک شغل» توسط عامل‌های هوش مصنوعی را نشان می‌دهد
DAYJOB عامل‌های هوش مصنوعی را در کارهای طولانی سلامت و مالی با درخواست‌های نامرتب می‌سنجد؛ بهترین نرخ‌های موفقیت گزارش‌شده هنوز زیر ۲۵ درصد است.
-
پژوهش
AIDE² عامل پژوهشی را بازنویسی می‌کند، اما آزمون‌های پنهان نسخه بعدی را انتخاب می‌کنند
AIDE² در یک آزمایش هشت‌روزه کد پیرامونی عامل پژوهشی خود را تغییر داد و نسخه‌های بهتر را با ارزیابی‌های پنهان انتخاب کرد؛ محدودیت اصلی همچنان کیفیت همین مرز ارزیابی است.
-
پژوهش
برای کنترل عامل‌های خودکار، سیاست خوب کافی نیست؛ اطلاعات تصمیم هم باید کافی باشد
پژوهشی تازه روشی برای محاسبه حداقل اطلاعات لازم در سازوکار مجوزدهی عامل‌ها ارائه کرده و کد و شواهد بازتولید را منتشر کرده است.
-
عامل‌های هوشمند
DeepSeek Harness 0.1.7 ترکیب عامل‌ها را به یک محیط افزونه‌ای پویا نزدیک‌تر می‌کند
DeepSeek Harness در 0.1.7 افزونه‌ها را در زمان اجرا ترکیب‌پذیرتر کرده است؛ Aipolix پیامدهای عملی این معماری را بررسی می‌کند.
-
🔁 راهنمای مدیریت تغییر برای عامل‌های هوش مصنوعی (۸/۱۰)
مدیریت تغییر عامل‌های هوش مصنوعی با capability bundle نسخه‌دار، registry، rollout مرحله‌ای، canary رفتاری، اطلاع‌رسانی و rollback.