محصول
۴ مقاله که به این محصول مربوط است. جستجو و فیلتر در همین فهرست
آموزش بازتاب پیشگیرانه به ایجنت‌ها، برای کنار آمدن با بازخورد پرنویز ابزارها و اصلاح کاربر
در استقرار واقعی، سرویس‌های ابزاری MCP ممکن است بازخورد پرنویز برگردانند و کاربر ممکن است برای اصلاح ایجنت دخالت کند؛ مثلاً یک API خطای مبهم برمی‌گرداند یا کاربر وسط کار می‌گوید «نه، فایل دیگر را منظور داشتم». روش‌های موجود نظارت کمی برای یادگیری بازتاب و بازی
کدام فراداده در انتخاب ابزار MCP مهم است؟ اسکیمای پارامترها بیشترین اثر را دارد
در سیستم‌های MCP، مدل زبانی ابزار را از روی فراداده انتخاب می‌کند، نه پیاده‌سازی: نام و توضیح خلاصه می‌کنند ابزار چه می‌کند و اسکیمای پارامترها فیلدهای ورودی و سازمانشان را مشخص می‌کند. تحلیل فراداده‌ی ۳۶۷۱۷۴ ابزار MCP نشان داد ابزارهای مشابه از نظر کارکرد اسک
سوپرنو: سیستم ناوبری ایجنتی برای هر تسک در هر صحنه، بدون تنظیم دقیق مدل برای ناوبری
ربات‌های خدماتی همه‌منظوره به ناوبری نیاز دارند که درخواست‌های متنوع انسانی را در محیط‌های ناآشنا انجام دهد، مثلاً «برایم یک لیوان آب بیاور» در خانه‌ای که ربات ندیده است. بعضی روش‌ها مدل‌های زبانی چندوجهی را برای پیش‌بینی اقدام ناوبری تنظیم دقیق می‌کنند، که رف
خلاصه‌ی فارسی هنوز نوشته نشده است.