هوش مصنوعی مولد و ابزارها
سیستمهای تولید محتوای هوشمند، متنی و تصویری
زیرمجموعههای مرتبط
هایپر تاو بنچ: کلود آپس ۵ در آزمون عاملسازی پیشتاز شد، اما سقف ۲۵٪ نیرومند ماند
سیرا معیار همپر تاو بنچ را منتشر کرد تا بسنجد چقدر عاملهای هوش مصنوعی میتوانند به طور خودمختار عاملهای دیگری بسازند. کلود آپس ۵ بهترین نمره (۲۳.۹٪) را گرفت، اما هیچ مدل از ۲۵٪ فراتر نرفت. بانکداری با ۳۵ وظیفه سنگینترین حوزه و نقطه ضعف تمام مدلهاست.
معرفی ML Intern هاگینگ فیس: دستیار هوش مصنوعی که اجرای آزمایشهای یادگیری ماشین را به چت سادهسازی کرد
هاگینگ فیس ML Intern را راهاندازی کرد؛ دستیار هوش مصنوعی که به کاربران اجازه میدهد تنها با گفتگو در چت، آزمایشهای کامل یادلهگیری ماشین — از جستجوی مدل و دیتاست تا آموزش، نظارت و انتشار — را به صورت خودکار و با کنترل هزینه اجرا کنند.
سونو مدل v6 را با آموزش روی موزیک مجاز رونمایی کرد؛ جنگ حقوقی با غولهای صنعت ادامه دارد
سونو مدل v6 را با ادعای آموزش انحصاری روی دادههای مجاز از وارنر، BMG و بلیو منتشر کرد؛ در حالی که دعاوی سونی، یونیورسال و هنرمندان همچنان در جریان است. سه نسخه v6، v6 wild و v6 mini با قابلیتهای ویرایش بخشآهنگ، رفرنس Multimedia و جداسازی استم عرضه شدهاند.
دیپسیک ۱۵۰ مهندس بکاند جذب میکند: جنگ زیرساختهای عاملها آغاز شده است
دیپسیک ۱۵۰ مهندس بکاند و سیستم جذب میکند تا DSec، زیرساخت سندباکس مقیاسپذیر عاملهای هوش مصنوعی، را گسترش دهد. تمرکز بر مجازیسازی، 3FS و لاگ مسیر جهانی، نه آموزش مدل.
معرفی میتا میوز: عامل هوش مصنوعی که خرید و رزرو را به عهده میگیرد
میتا عامل هوش مصنوعی میوز را با قابلیت اتصال به ایمیل، تقویم، پرداخت و خرید آنلاین معرفی کرد؛ arkitekture Secure VM و عدم اشتراکگذاری داده با سیستم تبلیغاتی وعده امنیت میدهد، اما اعتماد کاربر پس از جریمه ۱۸ میلیارد دلاری چالشبرانگیز است.
سونو، بیلیو و تونکور متحد شدند: مدل جدید درآمدزایی و حفظ حقوق هنرمندان در عصر هوش مصنوعی
سونو با امضای قرارداد استراتژیک با بیلیو و تونکور، هنرمندان مستقل را به اکوسیستم موسیقی هوش مصنوعی دعوت کرد: مشارکت اختیاری، جبران مالی، حفاظت حقوق و توزیع رسمی. اما جنگ حقوقی با یونیورسال، سونی وropdownهای دیگر همچنان در جریان است.
مِتا هوش مصنوعی را از ارزیابی عملکرد مهندسان حذف کرد؛ پایان دوران «توکنماکسینگ»
مِتا پس از بروز پدیده «توکنماکسینگ» و هزینههای میلیاردی، استفاده از AI را از معیارهای ارزیابی مهندسان برداشت. همزمان ابزار عامل جدید «هچ» با نگرانیهای حریم خصوصی روبروست.
انتروپیک ۵۱۷ میلیارد دلاری برای قدرت محاسباتی متعهد شد؛ پارادوکس آمودی از احتیاط تا هجوم
انتروپیک قراردادی ۵۱۷ میلیارد دلاری برای ۱۴.۸ گیگاوات قدرت محاسباتی امضا کرده، در حالی که مدیرعاملاش تنها ماهها پیش از سرعت سرمایهگذاری رقبا هشدار داده بود. اکنون شرکت برای جبران فاصله با OpenAI در حال دویدن است.
واژهنامه کامل اصطلاحات هوش مصنوعی: از AGI و AI Agent تا RAG و بازگشت مبهم
از AGI و AI Agent تا Opaque Recurrence و Coding Agents — واژهنامه جامع و بهروز اصطلاحات هوش مصنوعی که هر توسعهدهنده، سرمایهگذار و علاقهمند تکنولوژی باید بداند. تعریفهای ساده، تفاوتهای کلیدی و تازهترین پیشرفتها در یک مقاله.
جیپیتی-۶ آسترای: توکن گرانتر، اجرا ارزانتر؛ پارادوکس جدید اوپنایآی
جیپیتی-۶ آسترای با توکنهای ۲.۵ برابر گرانتر، در عمل هزینهی هر وظیفه را کاهش میدهد. تستهای واقعی نشان میدهد تنظیم سطح استدلال (Low/Medium/Max) میتواند هزینه را تا ۳۷٪ کاهش دهد و سرعت را چندبرابری کند. کلید: استدلال پویا، نه قیمت توکن.
چرا ۹۵٪ عاملهای هوش مصنوعی در فاز دمو میمیرند؟ راهحل آرکلیکس برای عبور به تولید
استاد کلمبیا و بنیانگذار آرکلیکس چالش اصلی صنعت AI Agents را توضیح میدهد: ۹۵٪ در دمو میمانند. راهحل؟ تست خودکار مبتنی بر شبیهسازی که عاملها را برای تولید در دنیای واقعی آماده میکند.
مجوزها فیلتر نیستند؛ هویت در لحظه تجمیع بافت تدوین میشود
مجوزها نباید فیلتری باشند که پس از بازیابی اعمال میشوند؛ آنها باید در لایه تجمیع بافت (Context Assembly) گنجانده شوند تا هویت کاربر در لحظه کوئری تعیینکننده دادههای قابلدسترس مدل باشد. تحلیل مقایسهای AWS Context، Microsoft Work IQ و Databricks Unity Catalog.