عامل‌های هوشمند
-
مدل‌های جدید
Jev تصمیم‌های ساخت‌یافته را جایگزین تولید آزاد متن می‌کند
Jev از TypeSafe AI به‌جای متن آزاد، خروجی ساخت‌یافته برای نرم‌افزار می‌دهد؛ ادعاهای سرعت، هزینه و کالیبراسیون هنوز به ارزیابی مستقل نیاز دارند.
-
عامل‌های هوشمند
Galaxy، آزمون زنده Grok Bot برای کار واقعی؛ هنوز نه معیاری برای قابلیت اطمینان
SpaceXAI در Grok Bot Galaxy عامل‌های ماندگار را وارد جریان‌های کاری واقعی می‌کند؛ رویدادی زنده که توانایی‌ها را نشان می‌دهد، اما معیار مستقل عملکرد نیست.
-
عامل‌های هوشمند
Copilot انتخاب مدل را برای هزینه یا کیفیت تنظیم می‌کند؛ Efficiency سقف بودجه نیست
Copilot Auto اکنون هزینه، کیفیت و سرعت را با سه سطح مختلف می‌سنجد، اما Efficiency سقف هزینه ایجاد نمی‌کند.
-
عامل‌های هوشمند
Copado اختیار استقرار عامل‌ها را با MCP محلی و تأیید صریح محدود می‌کند
Copado با MCP محلی و CLI عامل‌ها را به فرایند تحویل وصل کرده، اما تأیید انسانی و کنترل‌های انتشار را بیرون از مدل نگه می‌دارد.
-
پژوهش
K-Bench نشان می‌دهد «فراموش‌سازی» عامل می‌تواند نشتی داده را پشت پاسخ نهایی پنهان کند
K-Bench نشان می‌دهد آزمون پاسخ نهایی می‌تواند داده‌ای را که در بازیابی، ابزارها یا وضعیت اجرای عامل باقی مانده نبیند.
-
پژوهش
بنچمارک TAM ضعف GPT-5 در اجرای فرایندهای طولانی و قانون‌محور را نشان می‌دهد
TAM اجرای دستورالعمل‌های طولانی را می‌سنجد؛ GPT-5 در ICD فقط ۱٪ و در محاسبات مجازات ۱۵٫۵٪ پاسخ کاملاً درست داشته است.
-
عامل‌های هوشمند
عامل داده OpenAI تحلیل سازمانی را به ChatGPT Work می‌آورد؛ مجوز دسترسی به‌تنهایی کافی نیست
عامل داده OpenAI مجوزهای موجود سازمان را رعایت می‌کند و داشبورد می‌سازد، اما بدون معیار عمومی دقت، تعریف شاخص‌ها و ارزیابی داخلی همچنان ضروری است.
-
عامل‌های هوشمند
Fugu Max انتخاب میان چند مدل را ساده می‌کند، اما کنترل بیشتری به Sakana می‌سپارد
نسخه‌های تازه Fugu هزینه استفاده از چند مدل را ساده می‌کنند، اما درباره شفافیت مسیریابی، کنترل داده و دسترسی در اروپا پرسش‌های مهمی باقی می‌ماند.
-
عامل‌های هوشمند
ماجرای RubyGems نشان می‌دهد انتشار بسته چگونه می‌تواند به مسیر اجرای عامل تبدیل شود
حادثه RubyGems نشان می‌دهد امنیت عامل‌ها باید انتشار بسته، ساخت خودکار و مسیرهای غیرمستقیم نوشتن و اجرا را نیز جزو سطح دسترسی واقعی حساب کند.
-
🛑 بدون مهار، حاکمیت هوش مصنوعی در لحظه بحران از کار می‌افتد (۶/۱۰)
مهار عامل‌های هوش مصنوعی در عمل یعنی توقف مستقل، کنترل شعاع اثر، بازیابی، قناری رفتاری و ثبت شواهد در محیط اجرا.