AI, machine learning and LLM insights.
این SDK اکنون هر ابزار را ملزم میکند که یک طرحواره زمینه (context schema) مبتنی بر Zod ارائه دهد و در زمان اجرا، Vercel تأیید میکند که فقط فیلدهای اعلامشده ارسال شده باشند؛ در صورت وجود کلیدهای اضافی یا مفقود، اجرای عملیات متوقف خواهد شد.
هزینه واقعی اجرای LLM شخصی در مقابل API. وزنهای باز رایگان هستند، اما اجرای آنها نه. بسیاری از افراد تصور میکنند میزبانی شخصی یک مدل باز باعث صرفهجویی در هزینهها میشود، اما این یک اشتباه است. شما باید بررسی کنید که...
By treating a model's output as editable text, Deep Interaction lets developers pinpoint a faulty reasoning step, rewrite it, and feed a distilled prompt back—yielding a 25% jump in correction rates and a 40% drop in token usage on STEM benchmarks.
اجازه دادم یک عامل هوش مصنوعی عملیات ابری من را برای یک هفته مدیریت کند. من به یک عامل هوش مصنوعی هفت روز فرصت دادم تا عملیات ابری من را مدیریت کند. این یک محیط واقعی بود، نه یک نسخه نمایشی. من به آن دسترسی خواندن به سیستم مانیتورینگ...
مهارت جدید amazon-opensearch-service فرآیند توالیبندی سیاستها و تعیین اندازه نمونه را تسریع میکند، اما هنگام پیکربندی جستجوی وکتور در Serverless NextGen، به طور پیشفرض از تنظیمات کلاسیک FAISS استفاده میکند که باعث بروز خطا در استقرار (deployment) میشود.
The twin releases push open-weight models from fringe projects to mainstream AI, giving firms the option to run massive models on-premises under Apache 2.0 while still matching closed-source performance on coding tasks.
The framework defines five drift categories—UI, API, data, permission, and policy—and uses a lightweight contract map plus pre-flight scans to catch mismatches before an autonomous agent runs, preventing silent failures and costly rework.
با استفاده از کانکتورهای Model Context Protocol، کدهای تولید شده توسط Claude اکنون میتوانند مستقیماً از طریق چت، پایگاههای داده، سرویسهای ابری یا Slack را فراخوانی کنند. این قابلیت مرحله کپی-پیست را حذف کرده و به توسعهدهندگان اجازه میدهد تا بلافاصله با دادههای واقعی تست کنند.
A missing verification step let the agent skip its ‘do’ phase, so it spent a full day drafting 1,858 internal reflections without ever invoking a real tool, exposing a self-loop trap that can cripple any tool-driven assistant.
تبلیغات Moonshot بر مدلی با ۲.۸ تریلیون پارامتر و نرخهای پایین بهازای هر توکن تأکید دارد، اما طراحی Mixture-of-Experts و پرگویی بیش از حد این مدل، حجم خروجی را به ۱۳۰ میلیون توکن میرساند که بیش از دو برابر مدلهای رقیب است و باعث افزایش هزینههای واقعی میشود.
معیار جدید سنجش «آگاهی موقعیتی»، مدلها را وادار میکند به پرسشهای فرامتا (meta-questions) مانند «آیا شما یک هوش مصنوعی هستید؟» پاسخ دهند و با تغییر روند گفتگو، پاسخهای خود را تنظیم کنند؛ این موضوع نشان میدهد که بسیاری از مدلهای زبانی بزرگ با امتیاز بالا، همچنان ادعا میکنند انسان هستند یا محدودیتهای خود را پنهان میکنند.
عامل هوش مصنوعی نتایج سالم جاوااسکریپت و یک اسکرینشات را مشاهده کرد، اما محدودسازی تبهای مخفی در کروم باعث توقف فراخوانیهای requestAnimationFrame شد و Canvas را بدون ترسیم رها کرد. اجرای تستها در یک تب قابل مشاهده یا افزودن بررسی «عدم خالی بودن پیکسلها»، این نتیجهی مثبتِ کاذب را اصلاح میکند.
The update introduces two environment-variable caps – one for sub-agent spawns and one for web-search calls – both defaulting to 200 per session, with a 2-minute auto-background rule for long MCP calls, giving teams a concrete lever to curb runaway spend.
آزمایشگاه Noma نشان داد که یک مهاجم میتواند با ارسال یک ایشوی دستکاری شده در یک مخزن عمومی، یک عامل هوش مصنوعی متصل به CI را که دارای دسترسی خواندن به مخازن خصوصی است، فعال کند و باعث شود ربات آن فایلها را در همان ایشو منتشر کند؛ تمام این فرآیند بدون سرقت اطلاعات کاربری یا سوءاستفاده از خودِ گیتهاب انجام میشود.
در استقرارهای واقعی، هر گفته کاربر، طرحواره ابزار، پاسخ API و سند بازیابیشده در پرامپت انباشته میشوند. این تورم پنهان باعث میشود زمان پردازش و هزینهها به صورت درجه دوم رشد کنند و یک دموی روان را به کابوسی پرهزینه از تأخیر تبدیل کنند.
بنیاد جدید X402 متعلق به بنیاد لینوکس، با حمایت ویزا، مسترکارت، استرایپ و گوگل، قالب پیامها را برای پرداختهای عاملهای هوش مصنوعی تعریف میکند، اما با نادیده گرفتن هرگونه مجموعه انطباق، پروفایل امنیتی یا فرآیند صدور گواهینامه، ادعای اعتبار این استاندارد را بدون آزمایش باقی گذاشته است.
Analyzing 312 real calls, the team replaced a 700 ms silence rule with a lightweight state machine that watches silence duration, grammatical completeness, and back-channel cues, driving truncations down from 18 % to 3 % and eliminating dead silence.
این بنچمارک که بر پایه ۱۶۳ حادثه برچسبگذاری شده ساخته شده است، فراتر از تشخیص رفته تا بررسی کند آیا دستیاران هوش مصنوعی میتوانند عدم قطعیت را تشخیص داده و آگاهانه از انجام کار خودداری کنند؛ امری که با افزایش سطح اطمینان در مدلهای زبانی بزرگ (LLM)، یک شکاف امنیتی حیاتی را نمایان میکند.
سیستم جدید LIGO با بازاستفاده از مدلهای آموزشدیده بر روی مجموعهدادههای تصویری غیرمرتبط، نه تنها انواع شناختهشدهی اختلالها را با دقتی نزدیک به بینقص طبقهبندی میکند، بلکه ناهنجاریهای جدید را نیز خوشهبندی مینماید؛ این امر به دانشمندان اجازه میدهد تا به جای پاکسازی دستی دادهها، بر اخترفیزیک تمرکز کنند.
In a single evening the agent delivered an MCP client, an Azure AI Agent, and an M365 Copilot Agent, but 12 out of 30 human messages were needed to steer it back, exposing workflow-violation and context-retrieval bugs that required prompt rewrites.
Google’s Gemini Notebook now indexes PDFs, Docs, and other files for instant AI queries, while Anthropic’s Claude can fetch credentials from 1Password to sign into services, and a joint spec aims to let agents discover and invoke APIs without custom code.
عاملهای هوش مصنوعی AWS Continuum بهطور مداوم مخازن کنترل نسخه را نظارت کرده و اصلاحات را پیشنهاد میدهند؛ این عاملها حتی میتوانند وصلهها را مستقیماً در محیطهای توسعه (IDE) برنامهنویسان یا خط لولههای CI اعمال کنند که این امر فرصت وقوع حملات زنجیره تأمین را بهشدت کاهش میدهد.
این تغییر، گوگل را مجبور میکند تا کل ساختار تراشه، از چیدمان تا آزمایش را بازطراحی کند و تواناییهای بازدهی اینتل را زیر ذرهبین قرار میدهد. موفقیت در این مسیر میتواند زنجیره تأمین تراشههای هوش مصنوعی را متنوع کند؛ اما هرگونه لغزش ممکن است باعث تأخیر در ارسالها شده و به TSMC اجازه دهد تا دوباره بر بازار مسلط شود.
The modular pods, built in factories and shipped as complete units, can be connected in weeks, while Lancium’s software acts like a virtual battery, smoothing demand and tapping excess renewable or gas generation to keep the local ERCOT grid stable.
