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.
ایجنت‌های کدنویسی خودتکامل: از برنامه‌های دیجیتال تا هوش جهان فیزیکی
مدل‌های بینایی، زبان و کنش و مدل‌های جهان و کنش مشاهده و دستور را مستقیم به کنش ربات تبدیل می‌کنند. این مستقیم بودن سیاست را به داده‌ی آموزش گره می‌زند: تغییر کوچک چیدمان یا زاویه‌ی دید باعث شکست می‌شود و دستورها خوب تعمیم نمی‌یابند. ریشه در بازنمایی است: نیاز
فلواستیت: وضعیت اجرا به عنوان حافظه برای ایجنت‌های بلندمدت
تسک‌های بلندمدت ایجنت را وادار می‌کنند پیوسته از اطلاعات تعامل‌های قبلی استفاده کند. نگه داشتن کل تاریخچه هزینه‌ی کانتکست را بالا می‌برد، فشرده‌سازی‌اش خطر از دست دادن جزئیات لازم بعدی را دارد، و ارتباط اطلاعات تاریخی اغلب فقط با پیشرفت تسک آشکار می‌شود. روش F
پس‌آموزش حافظه‌ی ایجنت کدنویسی: آزاد کردن توان حافظه‌ای عملیات فایل با یادگیری تقویتی
ایجنت‌های زبانی روزبه‌روز بیشتر تسک‌هایی را انجام می‌دهند که تاریخچه‌ی تعاملشان از کانتکست فعال مدل بیشتر است. کارهای اخیر با یادگیری تقویتی کنترل حافظه را بخشی از سیاست کرده‌اند، اما اغلب به ابزارهای حافظه‌ی از پیش تعریف‌شده در محیط‌های ویژه‌ی دامنه با افق کو
اپرا: چارچوب منتقد کلامی برای ایجنت‌های کدنویسی بلندمدت که اصلاح‌ها را تا حل مشکل دنبال می‌کند
ایجنت‌های کدنویسی بلندمدت به اصلاح به‌موقع نیاز دارند، اما بازخورد وقتی کار جاری را اشتباه ارزیابی کند یا به مشکل اصلی نپردازد، بی‌اثر یا حتی مضر است. منتقدهای موجود روی ارزیابی مسیر و تولید بازخورد تمرکز دارند اما به ندرت دنبال می‌کنند پس از رساندن بازخورد چه
مرتبط بودن به معنای کاربردی بودن نیست: فعال‌سازی تجربه برای ایجنت‌های شخصی رابط گرافیکی
ایجنت‌های شخصی رابط گرافیکی به تاریخچه‌ی تعامل تکیه دارند تا از دستورهای مبهم بفهمند کاربر چه می‌خواهد و روال‌های تکراری را پیش‌بینی کنند. روش‌های موجود تاریخچه‌ی مرتبط با تسک را بازیابی و به کانتکست اضافه می‌کنند و فرض می‌کنند برای همه‌ی تصمیم‌های درون تسک مف
فراتر از مدل: رمزگشایی اثر هارنس در ایجنت‌های مهندسی نرم‌افزار
کارایی ایجنت‌های مهندسی نرم‌افزار فقط به مدل پایه بستگی ندارد و هارنس شکل می‌دهد ایجنت چطور با مخزن تعامل کند، کنش اجرا کند و راه‌حل را بسنجد. اما نقش طراحی هارنس، به‌ویژه بین مدل‌ها، تسک‌ها و اجزای مختلف هارنس، به اندازه‌ی کافی فهمیده نشده است. نویسنده‌ها دو
اسکلیت: بستری برای آموزش و ارزیابی ایجنت‌های یادگیری پیوسته در افق‌های چندجلسه‌ای
ایجنت‌های یادگیری پیوسته سیستم‌هایی از مدل، هارنس و حافظه‌اند که در افق‌های طولانی چندجلسه‌ای کار می‌کنند. ارزیابی و آموزششان نیاز دارد تسک‌ها با رویدادهای سمت ایجنت مثل توقف و شروع جلسه، کارهای زمان‌بندی‌شده و یکپارچه‌سازی حافظه درهم اجرا شوند. اما بنچمارک‌ها
اکت‌کی‌وی: مدیریت حافظه‌ی کلید و مقدار با هدایت کنش برای ایجنت‌های کارآمد
استنتاج ایجنتی در حلقه‌های مکرر مشاهده، استدلال و کنش حافظه‌ی کلید و مقدار طولانی انباشته می‌کند که سربار حافظه‌ی زیادی دارد و توان سرویس‌دهی را محدود می‌کند. روش‌های فشرده‌سازی موجود روی کیفیت کلی خروجی تمرکز دارند و اهمیت نامتقارن کنش‌ها در پیشبرد تسک را ناد
گزارش فنی پیستیس: خانواده‌ی مدل‌های چندرسانه‌ای با تقطیر و یادگیری تقویتی درهم
پس‌آموزش مدل‌های چندرسانه‌ای برای استدلال عمیق و کار ایجنتی بلندمدت معمولاً تقطیر و یادگیری تقویتی را جدا یا با یک تابع زیان ترکیبی ثابت بهینه می‌کند، که می‌تواند به ناپایداری، تخصیص اعتبار ضعیف در مسیرهای طولانی و مبادله‌ی توانایی‌ها منجر شود؛ مثلاً بهتر شدن
سیگنال‌های کنترل حافظه پیش از کنش در ایجنت‌های بلندمدت پدیدار می‌شوند
ایجنت‌های بلندمدت پیوسته تاریخچه‌ی تعامل انباشته می‌کنند که هزینه‌ی محاسبه را بالا می‌برد و نگهداری و استفاده‌ی مجدد از اطلاعات مرتبط را سخت می‌کند. روش‌های مدیریت کانتکست عمدتاً روی نحوه‌ی فشرده‌سازی یا بازیابی تاریخچه تمرکز دارند و این پرسش را باز می‌گذارند
هارنس به عنوان زبان: چارچوب ایجنت کمینه با بیشترین بیان‌پذیری
ایجنت‌های امروزی حول حلقه‌ی ایجنت ساخته می‌شوند: مدل در محیطی با مجموعه‌ای از ابزارها قرار می‌گیرد و با تناوب فراخوانی ابزار و مشاهده‌ی خروجی، کنترل کامل گردش‌کار را دارد. اما توانایی‌هایی مثل حافظه‌ی بلندمدت و خودبهبودی فعلاً به سیستم‌های تخصصی فراتر از خود ح
کلیف‌کامپکشن: فشرده‌سازی کم‌هزینه برای ایجنت‌های کدنویسی بلندمدت
ایجنت‌ها اغلب روی مسائل پیچیده‌ای کار می‌کنند که میلیون‌ها توکن کانتکست لازم دارند و به دلیل پنجره‌ی کانتکست محدود باید بین جلسه‌ها فشرده‌سازی کنند. فشرده‌سازی‌هایی که محتوا را بازنویسی می‌کنند ممکن است با هر دور اطلاعات را تحریف کنند و رانش کانتکست انباشته شو
هارنس را رشد بده نه کانتکست را: از داربست بدون راهبرد تا ایجنت‌های متخصص قابل استفاده‌ی مجدد
ایجنت‌ها اغلب جریانی از تسک‌های مرتبط را انجام می‌دهند، اما هارنس‌های استاندارد بارها از مدل می‌خواهند همان تصمیم‌های کنترلی را درون کانتکست هر تسک بازسازی کند؛ مثلاً برای هر جست‌وجوی وب دوباره تصمیم بگیرد کِی صفحه را باز کند و کِی برگردد. روش Growing Harness
فایر: مهندسی زمان اجرا بر پایه‌ی شکست برای ایجنت‌های قابل اعتماد
ایجنت‌ها اغلب به یک راه‌حل کارا می‌رسند اما نمی‌توانند آن را پیوسته تحویل دهند؛ یعنی در یک اجرا موفق‌اند و در اجرای بعدی همان تسک شکست می‌خورند. نویسنده‌ها «سیاست‌های زمان اجرا» را بررسی کردند: دستورهای هدفمند زبان طبیعی و منع کنش‌ها که هارنس در وضعیت‌هایی که
ای‌پی‌جی‌ام: منشأ اجرا برای بازیابی حافظه‌ی ایجنت با بودجه‌ی محدود توکن
تاریخچه‌ی اجرای ایجنت می‌تواند از پنجره‌ی کانتکست بیشتر شود و سیستم حافظه باید شواهد پشتیبان کامل را زیر یک بودجه‌ی توکن سخت بازیابی کند. شواهد ممکن است در چند رویداد اجرا پخش باشند، اما بازیاب‌های معمول پنجره‌های توکن ثابت و معیارهای k ثابت دارند که به تکه‌ها
هارنس-زیرو: تقطیر هارنس در وزن مدل با استفاده از ایجنت به عنوان هارنس
هارنس‌های ایجنت می‌توانند کارایی را بسیار بالا ببرند، اما سودشان به هارنس در زمان استقرار وابسته می‌ماند. چون بهترین هارنس بین حوزه‌ها، نمونه‌ها و مدل‌ها فرق می‌کند، یک ایجنت عمومی یا باید به یک هارنس مشترک نابهینه بسنده کند یا بین تعداد رو به رشدی از هارنس‌ها
دلفین‌بنچ: ترسیم مرز پارتوی حافظه‌ی ایجنت با سنجش دقت، هزینه و تأخیر
ایجنت‌ها امروز کنش‌های واقعی انجام می‌دهند که به حافظه‌ی بلندمدت و یادآوری کانتکست وابسته است. اما بیشتر بنچمارک‌های حافظه در قالب پرسش و پاسخ گفت‌وگویی ساخته شده‌اند، جایی که خود پرسش نشان می‌دهد باید چیزی بازیابی شود و اغلب کدام چیز. همچنین بنچمارک‌ها به ندر
وایب‌مم‌بنچ: ارزیابی سیستم‌های حافظه‌ی ایجنت‌های کدنویسی روی تسک‌های واقعی مخزن
ایجنت‌های کدنویسی روی تسک‌های واقعی مخزن کار می‌کنند و سیستم‌های حافظه‌ی پایدار قول استفاده‌ی مجدد از تجربه بین تسک‌ها را می‌دهند. اما ارزیابی‌های موجود نشان نمی‌دهند این سیستم‌ها کار اجرایی روی مخزن را بهتر می‌کنند یا نه: بنچمارک‌های مخزن تغییر کد را می‌سنجند
مطالعه‌ی تجربی طراحی هارنس برای ایجنت‌های کدنویسی: کدام جزء واقعاً مهم است؟
هارنس‌های کدنویسی شکل می‌دهند ایجنت‌ها چطور توانایی مدل را به کارایی بلندمدت مهندسی نرم‌افزار تبدیل کنند، اما کارهای موجود معمولاً هارنس‌ها را سیستم‌های یکپارچه ارزیابی می‌کنند و اثربخشی تک‌تک اجزا نامعلوم می‌ماند. نویسنده‌ها یک هارنس کدنویسی سبک با حلقه‌ی اجر
هرس مرتبه‌ی بالاتر متخصص‌ها در مدل‌های زبانی ترکیب متخصص‌ها
مدل‌های زبانی ترکیب متخصص‌ها تعداد پارامتر زیادی دارند که گلوگاه حافظه می‌سازد. هرس متخصص‌ها مستقیم‌ترین راه کاهش پارامتر است، اما روش‌های موجود برای هر متخصص جداگانه تصمیم می‌گیرند و سهم متخصص‌ها را صرفاً جمعی فرض می‌کنند، در حالی که استفاده از متخصص‌ها ذاتاً
نسخه‌ی تأییدشده‌ی SWE-Bench Pro: بنچمارک قابل اعتماد برای ایجنت‌های مهندسی نرم‌افزار
بنچمارک SWE-Bench Pro استاندارد ارزیابی ایجنت‌های مهندسی نرم‌افزار روی تسک‌های دشوار سطح مخزن شده است، اما ارزیابی‌اش دو منبع عدم اطمینان دارد: تقلب در پاداش از طریق نشت راه‌حل طلایی یا اطلاعات پنهان ارزیابی، مثلاً خواندن پاسخ از تاریخچه‌ی گیت؛ و مشکلات کیفیت
یادگیری تقویتی چندهارنسی برای ایجنت‌های کدنویسی: سود آموزش در برابر وابستگی به هارنس
سیستم‌های اخیر ایجنت‌های کدنویسی را با یادگیری تقویتی روی مسیرهای جمع‌آوری‌شده از چند هارنس اجرا آموزش می‌دهند. اما بهبود زیر هارنس‌های آموزشی این پرسش را باز می‌گذارد که آیا به رابط‌های دیده‌نشده منتقل می‌شود و چطور به نرمال‌سازی پاداش وابسته است. نویسنده‌ها
سنجش شکاف واجد شرایط بودن ریزتسک‌ها: یک مدل زبانی کوچک آماده کِی برای هارنس ایجنت کافی است؟
هارنس‌های ایجنت روزبه‌روز بیشتر می‌خواهند مدل‌های زبانی کوچک را برای ریزتسک‌های اطراف یک برنامه‌ریز بزرگ به کار ببرند: تأیید خودکار دستورهای شل، نوشتن حافظه، انتخاب ابزار و رتبه‌بندی نوبت‌های قبلی. سؤال این است که مدل‌های کوچک آماده آستانه‌های تعریف‌شده توسط م
حافظه به عنوان زیرساخت: مهندسی قابلیت اطمینان برای حافظه‌ی پایدار ایجنت در توسعه‌ی چندماهه
ایجنت‌های کدنویسی از مقیاس تسک به مقیاس پروژه می‌روند: تلاش‌هایی که ماه‌ها طول می‌کشند، از فشرده‌سازی‌های مکرر کانتکست می‌گذرند و روی کدبیس‌هایی بسیار بزرگ‌تر از هر پنجره‌ی کانتکست کار می‌کنند. در این مقیاس، حافظه‌ی ایجنت می‌تواند بی‌صدا خراب شود و کسی متوجه ن
مقاله‌هایی که تاریخ تأییدشده ندارند، در ماهی آمده‌اند که شناسه‌ی آرکایوشان نشان می‌دهد.