آرشیو کانال تکینگی
این‌جا هر مقاله‌ای هست که کانال پیدا کرده، در خبرنامه گذاشته یا برای بعد نگه داشته، با خلاصه‌ی فارسی هرجا که نوشته شده. خبرها، دایجست‌ها و پست‌های دیگر کانال این‌جا نیستند.
مینگبرد: هارنس محلی‌محور که مدل‌های باز کوچک را به انجام تسک‌های واقعی می‌رساند
مدل‌های وزن‌باز کوچک (۲ تا ۹ میلیارد پارامتر) روی لپ‌تاپ‌های معمولی اجرا می‌شوند، اما زیر هارنس‌های ابری به ندرت تسک واقعی را تمام می‌کنند: پیش‌پرکردن ابزارها کانتکست را سرریز می‌کند، خوداصلاحی واگرا می‌شود، نمایش ابزارها حلقه می‌سازد و تسک‌ها بی‌صدا رها می‌شو
توکن کمتر، کنش بهتر: ایجنت‌های رباتیک با ۱۴ درصد موفقیت بیشتر و ۶۵ درصد توکن کمتر
ایجنت‌های مبتنی بر مدل بینایی و زبان می‌توانند ربات‌ها را با بازخورد بصری و کنش‌های پایه کنترل کنند، اما فراخوانی‌های مکرر مدل زبانی و مشاهدات تکراری سربار توکن زیادی دارند؛ مثلاً برای هر حرکت کوچک یک تصویر کامل دوباره به مدل فرستاده می‌شود. چارچوب اجرای تعامل
ارزیابی پیوسته‌ی سطح فرایند برای مهارت‌های در حال تغییر ایجنت‌های سازمانی
مهارت‌های ایجنت‌های سازمانی با تغییر رابط‌های ابزار، مدل‌ها و مشخصات عوض می‌شوند، اما ارزیابی فقط خروجی نهایی می‌تواند رانش رفتاری در سطح فرایند را نبیند؛ مثلاً ایجنت عدد نهایی درست را بدهد اما ابزار اشتباهی را فراخوانده یا پایگاه‌داده را در وضعیت ناسازگار رها
رئال‌کامپنیون: بنچمارک فهم انسان از روی گفت‌وگوهای واقعی چندماهه با همدم هوش مصنوعی
همدم هوش مصنوعی که ماه‌ها با کسی حرف می‌زند باید او را بفهمد: بداند کیست، آنچه گفته را به خاطر بسپارد و تشخیص دهد کِی چیزی از گذشته الان مهم است. آزمودن این به گفت‌وگوی واقعی نیاز دارد، اما گفت‌وگوهای واقعی خصوصی‌اند، پس بنچمارک‌های موجود از آدم‌ها و پرسش‌های
وان‌استریمر: یکپارچه‌سازی ادراک، حافظه و پاسخ پیش‌دستانه در تعامل با ویدیوی زنده
مدل‌های زبانی ویدیوی زنده باید شواهد را پیش از آن‌که ارتباطش با تسک‌های آینده معلوم شود نگه دارند و وقتی شواهد کافی رسید پاسخ دهند. چالش این است که حافظه‌ی واقعی قابل استفاده‌ی مجدد بدون آسیب به ادراک بلادرنگ ساخته شود؛ مثلاً مدل باید بعدها بتواند بگوید فردی چ
ایجنت‌ها سیستم‌اند نه مدل: بازنگری در ارزیابی ایجنت‌ها
ارزیابی ایجنت‌ها روزبه‌روز فراتر از یک نرخ موفقیت می‌رود و هزینه، پایداری و استحکام را هم گزارش می‌کند، اما معمولاً خود ایجنت را ثابت فرض می‌کند. در عمل ایجنت یک سیستم قابل پیکربندی است: کاربر تصمیم می‌گیرد چه بگوید، چقدر بگذارد اجرا شود و کدام مدل را به کار ب
مالیات تیزسازی در پس‌آموزش: مدل‌های پایه در پوشش راه‌حل از نسخه‌ی پس‌آموزش‌دیده بهترند
یک فرضیه‌ی رایج این است که پس‌آموزش با یادگیری تقویتی فقط رفتارهای موجود مدل پایه را تیز می‌کند و دقت تک‌تلاشی را به قیمت پوشش راه‌حل‌ها بالا می‌برد. این مبادله در ریاضی و کد دیده شده، اما معلوم نیست در تسک‌های ایجنتی که استفاده‌ی چندنوبتی از ابزار ممکن است تو
فراتر از حافظه: هدایت ایجنت‌های بلندمدت با حالت‌های باور صریح
ایجنت‌ها تسک‌های پیچیده‌تری انجام می‌دهند، اما نحوه‌ی سازمان‌دهی تاریخچه‌ی تعامل در حافظه فهم منسجمی از وضعیت فعلی جهان تضمین نمی‌کند؛ مثلاً ایجنت عیب‌یابی ممکن است فراموش کند کدام فرضیه را رد کرده و همان بررسی را تکرار کند بدون این‌که به هدف نزدیک شود. چارچوب
پیس: اعمال توانایی آگاه از منشأ برای ایجنت‌های ابزارمحور در لحظه‌ی پیش از اجرای هر فراخوانی
ایجنت‌های ابزارمحور متن تولیدشده را به اثر واقعی تبدیل می‌کنند، پس فراداده‌ی آلوده‌ی ابزار، صفحه‌های بازیابی‌شده، حافظه و مهارت‌های قابل استفاده‌ی مجدد می‌توانند فراخوانی بعدی را هدایت کنند. بررسی یک مهارت یا ابزار پیش از پذیرش کافی نیست: یک نسخه‌ی امن و یک نس
اتوجی‌یوآی‌ورلد: مولدهای تصویر به عنوان مدل جهان بصری برای ایجنت‌های رابط گرافیکی
ایجنت‌های رابط گرافیکی برای یاد گرفتن واکنش نرم‌افزار به کنش‌ها، حفظ وضعیت و گردش‌کارهای چندمرحله‌ای به مسیرهای تعاملی باکیفیت نیاز دارند. اما تنوع مسیرهای موجود به برنامه‌ها، وضعیت‌های رابط و گردش‌کارهایی که در محیط‌ها در دسترس‌اند محدود است، و گسترش آن به نص
وری‌هارنس: مقیاس دادن تأیید ایجنتی برای تسک‌های بلندمدت بدون پاسخ مرجع
با بلندتر و پیچیده‌تر شدن تسک‌های ایجنت‌ها، تأیید خروجی‌شان سخت‌تر می‌شود. نمونه‌گیری مکرر چند اجرا می‌دهد که می‌توانند ادعاهای درست مکمل داشته باشند، اما برای تصمیم درباره‌ی این‌که به کدام ادعا اعتماد کنیم، سازوکار تأیید قابل اعتماد لازم است؛ آن هم با یک مدل
جی‌یوآی‌هاروست: ایجنت‌های رابط گرافیکی خودبهبود با تکامل هارنس بر پایه‌ی شواهد
هارنس اجرایی اطراف یک مدل رابط گرافیکی تعیین می‌کند مشاهده‌ها چطور جمع شوند، کنش‌ها چطور اجرا شوند و تأیید، بازیابی و پایان چطور کنترل شوند. بهینه‌سازی خودکار این هارنس سه چالش به هم پیوسته دارد: تطبیق نیت مدل با اثر بصری مشاهده‌شده، تشخیص شکست زیر نتایج متغیر
پیدا کردن جفت مناسب: تعامل مدل و هارنس در تسک‌های ایجنتی
انتخاب یک سیستم ایجنتی یعنی انتخاب هم مدل زبانی و هم هارنسی که مدل از طریق آن عمل می‌کند. سؤال این است که آیا یک مدل، هارنس یا جفت قوی وقتی شرایط عوض می‌شود قوی می‌ماند یا نه. نویسنده‌ها ۶۶ پیکربندی را ارزیابی کردند: چهار هارنس قابل پیکربندی، یعنی OpenHands، D
اکتیوسدلر: یادگیری برنامه‌ی درسی خودکار برای بهینه‌سازی هارنس ایجنت
بهینه‌سازی خودکار هارنس می‌تواند ایجنت‌ها را با به‌روزرسانی مکرر پرامپت‌ها، رابط ابزارها و منطق کنترل از بازخورد اجرا بهتر کند. اما روش‌های موجود عمدتاً نحوه‌ی به‌روزرسانی را بهینه می‌کنند و این را ثابت می‌گذارند که کدام سناریوهای آموزشی بازخورد را تولید می‌کن
مم‌فیت: حافظه‌ی بلندمدت کارآمد برای ایجنت‌های گفت‌وگو بدون فراخوانی مدل هنگام نوشتن
سیستم‌های حافظه‌ی بلندمدت برای مدل‌های زبانی محبوب شده‌اند، اما برای سازمان‌دهی و یکپارچه‌سازی حافظه به ایجنت‌های زبانی تکیه دارند که عملیات نوشتن را پرهزینه و ناکارآمد می‌کند. سیستم‌های دیگر هم با فشرده‌سازی جزئیات سطحی را دور می‌ریزند. سیستم MemFit هر نوبت ر
ساپین: موتور سیاست حالت‌دار برای امنیت ایجنت‌های خودمختار
دفاع‌های امنیتی بافتاری با ساخت یک سیاست ویژه‌ی تسک و اعمال آن روی فراخوانی ابزارها جلوی کنش‌های سرکش ایجنت را می‌گیرند. اما در تسک‌های چندمرحله‌ای، این‌که کدام کنش معتبر است اغلب به آنچه ایجنت قبلاً انجام داده و فهمیده بستگی دارد؛ مثلاً پس از خواندن یک فهرست
مقداردهی اولیه کشف مبتنی بر مدل زبانی را بهتر می‌کند
مدل‌های زبانی با هارنس‌هایی که آن‌ها را برای بهینه‌سازی مکرر یک هدف پرامپت می‌کنند، برای کشف الگوریتم، قضیه، دارو و کارهای دیگر به کار رفته‌اند. اما رابطه‌ی جمعیت تکرارهای قبلی با موفقیت نهایی کشف روشن نیست، و معلوم نیست چرا یک اجرا به نتیجه‌ی خوب می‌رسد و اجر
قابلیت اطمینان ارزیابی ایجنت‌ها: تسک بیشتر همیشه جدول رتبه‌بندی را درست نمی‌کند
ارزیابی ایجنت‌ها برای مقایسه‌ی مدل‌ها و تصمیم‌های استقرار به کار می‌رود، اما رتبه‌ها می‌توانند نه فقط مدل بلکه اثر شرایط ارزیابی مثل داربست یا تسک‌ها را هم منعکس کنند. پس قابلیت اطمینان به ادعا بستگی دارد: ارزیابی‌ای که سیستم‌های مستقر را قابل اعتماد رتبه‌بندی
با هم بدتر: کارایی چطور در تیم‌های چندکاربره و چندایجنتی فرو می‌پاشد
آدم‌ها روزبه‌روز بیشتر کارها را به ایجنت‌ها می‌سپارند و این ایجنت‌ها با ایجنت‌های دیگران سر منابع مشترکی مثل یک کدبیس، یک تقویم یا یک بودجه روبه‌رو می‌شوند. وقتی هر ایجنت برای کاربر متفاوتی با هدف متفاوت کار می‌کند، هماهنگی اغلب شکست می‌خورد و گروه از حالتی که
وقتی هارنس سیگنال را گم می‌کند: ارزیابی علّی بازیابی از خطا در ایجنت‌ها
ایجنت‌ها برای انتقال اطلاعات بین مدل و محیط و بازیابی از خطاهای اجرا به هارنس تکیه دارند، اما بازیابی معمولاً فقط با میانگین موفقیت تسک قضاوت می‌شود. این یک تنش مهم را پنهان می‌کند: همان عملیات می‌تواند یک مسیر شکست‌خورده را نجات دهد یا مسیری را که موفق می‌شد
ایجنت چه چیزی را باید به خاطر بسپارد؟ جدا کردن نگهداری از بازیابی در ارزیابی حافظه‌ی محدود
یک ایجنت پایدار باید هم تصمیم بگیرد با رسیدن اطلاعات چه چیزی را نگه دارد و هم وقتی پرسشی آمد چه چیزی را بیرون بکشد. اما ارزیابی‌های حافظه با مقایسه‌ی روش‌هایی که هم در نگهداری و هم در انتخاب فرق دارند، این دو تصمیم را با هم قاطی می‌کنند؛ پس معلوم نیست بهبود گز
توربوهارنس: بهینه‌سازی هارنس متناسب با هر نمونه
خودکارسازی جست‌وجوی هارنس مؤثر گامی مهم به سوی خودبهبودی بازگشتی ایجنت‌هاست. روش‌های موجود معمولاً یک هارنس سراسری واحد می‌سازند که یکسان روی همه‌ی نمونه‌های تسک اعمال می‌شود، اما هارنسی که در میانگین خوب است برای هر نمونه بهینه نیست. چارچوب Turbo Harness مصنو
یک ایجنت قوی برای مهندسی یادگیری ماشین خودکار چقدر هارنس لازم دارد؟
ایجنت‌های خودکار مهندسی یادگیری ماشین در جدول‌های عمومی پیشرفت زیادی کرده‌اند و معمولاً روی ماشین‌آلات روزبه‌روز پیچیده‌تری مستقر می‌شوند: هماهنگ‌کننده‌های چندایجنتی، زیرایجنت‌های بازیابی اختصاصی و غیره. در مقابل، ایجنت‌های کدنویسی ساده‌تر اما بهتر‌شده که مدل
پیوت‌اوپی‌دی: یادگیری بازیابی از اشتباه‌های محوری در ایجنت‌های چندنوبتی
تقطیر روی سیاست برای آموزش ایجنت‌های زبانی امیدوارکننده است و نظارت متراکم معلم را روی مسیرهای تولیدی دانش‌آموز می‌دهد. اما در تعامل چندنوبتی یک کنش نادرست وضعیت‌های بعدی را تغییر می‌دهد و خطاها انباشته می‌شوند. در آزمایش‌های اولیه با سه مدل Qwen3 از ۸ تا ۲۳۵
مقاله‌هایی که تاریخ تأییدشده ندارند، در ماهی آمده‌اند که شناسه‌ی آرکایوشان نشان می‌دهد.