عامل‌های هوشمند
-
مدل‌های جدید
Pipecat مدل PhoneLLM را با 3.5 میلیارد پارامتر فعال برای عامل‌های صوتی عرضه کرد
PhoneLLM Alpha 1 مدل باز 30 میلیاردی از نوع مخلوط متخصصان با 3.5 میلیارد پارامتر فعال است که برای عامل‌های صوتی تلفنی کم‌تأخیر ساخته شده و با معیار تازهٔ PhoneBench سنجیده می‌شود.
-
عامل‌های هوشمند
OpenAI برای مدل‌هایش در Cursor ضرب‌الاجل نوامبر تعیین کرد
پس از خرید Cursor توسط SpaceX، OpenAI قرارداد تأمین مدل را جمع می‌کند و 12 نوامبر 2026 را تاریخ قطع پیشنهادی می‌گذارد؛ تیم‌ها باید جایگزینی را پیش از آن بسنجند.
-
پژوهش
Gemini Co-Scientist حلقهٔ فرضیه تا آزمایش و ادعاهای راستی‌آزمایی‌شده را می‌بندد
Google DeepMind چارچوب Co-Scientist را از تولید فرضیه به پژوهش مبتنی بر اجرا گسترش می‌دهد: برنامه‌ریزی آزمایش، اجرای کد، تعامل با آزمایشگاه و راستی‌آزمایی ادعاها، با دخالت متغیر انسان.
-
پژوهش
پنل‌های ساختگی می‌توانند عوامل LLM را به اقدام روی نتایج غیرقابل‌دانستن وادارند
یک مطالعهٔ قابل‌بازتولید در arXiv می‌یابد که پنل‌های به‌ظاهر معتبر ساختگی می‌توانند برخی عوامل LLM را به اقدام روی نتایج غیرقابل‌دانستن سوق دهند، حتی وقتی عدم‌قطعیت را می‌شناسند.
-
عامل‌های هوشمند
استاندارد سخت‌افزار مدل Anthropic به عوامل هوش مصنوعی رابط مشترک با ماشین‌های فیزیکی می‌دهد
استاندارد سخت‌افزار مدل Anthropic به عوامل هوش مصنوعی رابطی مشترک برای تجهیزات آزمایشگاهی و صنعتی می‌دهد، با آزمایش‌های اولیه و محدودیت‌های ایمنی صریح.
-
پژوهش
openJiuwen مهار عامل کدنویسی را به لایهٔ سامانه‌ای قابل‌اندازه‌گیری تبدیل می‌کند
openJiuwen یک مهار ترکیبی و سازگار در زمان اجرا برای عامل کدنویسی پیشنهاد می‌کند و نشان می‌دهد چرا حسابرسی معیار با مدل هم‌تراز برای مهندسی عامل اهمیت دارد.
-
عامل‌های هوشمند
Broadcom مجوز عامل AI را به یک صفحهٔ کنترل خارجی منتقل می کند
AgentMinder مجوز عامل AI سازمانی را به خارج از زمان اجرا منتقل می کند و هویت، منشأ ماموریت و زمینه سیاست را بخشی از مرز امنیتی می کند.
-
پژوهش
عوامل هوش مصنوعی در حال تکامل می توانند تجربه مسموم را به مهارت های پایدار تبدیل کنند
تحقیقات جدید نشان می‌دهد که عوامل خود تکامل‌یافته می‌توانند تعاملات مسموم را به‌عنوان مهارت‌های قابل استفاده مجدد ذخیره کنند و منشأ مهارت، اعتبارسنجی و بازگشت را به بخشی از مرز امنیتی تبدیل کنند.
-
🧭 پنج لایه حاکمیت ایجنت‌ها؛ چرا بیشتر تیم‌ها هنوز فقط دو لایه دارند (۲/۱۰)
مدلی عملی با پنج لایه هویت، اقدام، خروجی، تغییر و نتیجه برای حاکمیت ایجنت‌های هوش مصنوعی در مهندسی نرم‌افزار.
-
فکر می‌کنید حاکمیت هوش مصنوعی دارید؟ ندارید.
چرا کنترل دسترسی و تأیید انسانی برای مهندسی مبتنی بر هوش مصنوعی کافی نیست و حاکمیت واقعی ایجنت‌ها در سراسر فرایند تحویل نرم‌افزار چه نیازهایی دارد.