Multimodal Filesystem Memory For Long-Horizon Embodied Agents (MFM)
خلاصه‌ی فارسی هنوز نوشته نشده است.
آرشیو کانال تکینگی
همه‌ی مقاله‌ها، از تازه به قدیمی
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.
اکتبر ۲۰۲۶۲۴ مقاله
From Relevant Memories to Sufficient Evidence: Rethinking Memory Utilization in LLM Agents (QEMem)
خلاصه‌ی فارسی هنوز نوشته نشده است.
RealCLI: Toward a Unified Evaluation of Human-Agent Collaboration for CLI Agents
خلاصه‌ی فارسی هنوز نوشته نشده است.
Has GPT-6-Astra Achieved Embodied Intelligence?
خلاصه‌ی فارسی هنوز نوشته نشده است.
Harness-Delta Attribution: Dissecting Gains From Harness Evolution
چقدر از بهبودِ «تکامل خودکار هارنس» واقعی است و چقدر بیش‌برازش؟
تکامل هارنس یعنی پرامپت‌ها، اسکیل‌ها، ابزارها و کد هماهنگی دور یک مدل ثابت را خودکار و پشت سر هم بهینه کنی تا روی یک مجموعه‌ی جست‌وجو نمره بالاتر بگیرد، بدون آن‌که وزن‌های مدل عوض شود. سؤال این است که چه سهمی از این بهبود به خاطر جا افتادن روی همان بنچمارک است
CoDA: Co-Evolution of Data Engines and Action Policies
موتور ساخت داده‌ی شبیه‌سازی و سیاست ربات که با هم تکامل پیدا می‌کنند
شبیه‌سازی مولد می‌تواند خودکار برای ربات محیط تمرین بسازد، اما محیطی که از نظر فیزیکی درست است لزوماً برای آموزش مفید نیست. مشکل این است که محیط‌هایی را پیدا کنیم که دقیقاً شکست‌های فعلی ربات را هدف بگیرند، و نظارتی بدهیم که کمکش کند از آن شکست‌ها رد شود. در چ
FDE-Gym: The Last Mile of AI Delivery
بنچمارکی برای «آخرین مایل» تحویل هوش مصنوعی: کار واقعی با مشتری، نه تسک خوش‌تعریف
بنچمارک‌های ایجنت معمولاً تسک‌های خوش‌تعریف دارند: یک ایشو، یک مشخصات یا یک تیکت. اما تحویل یک سیستم به مشتری واقعی فرق دارد. مهندسی که در محل مشتری کار می‌کند باید نیازهای مبهم را روشن کند، روی سیستم زنده کار کند و محدودیت‌هایی را پیدا کند که کسی به زبان نیاو
MLExpert: Towards a Generalist Agentic Model for Autonomous Machine Learning Engineering
آموزش یک مدل ایجنتی برای مهندسی یادگیری ماشین، با پاداش دادن به «پنجره»های بین دو آزمایش
وقتی یک ایجنت خودش کار مهندسی یادگیری ماشین را انجام می‌دهد (داده آماده کند، مدل بسازد، آزمایش اجرا کند و از نتیجه یاد بگیرد)، هر آزمایش گران است و نتیجه‌اش حاصل چند تصمیم قبلی است. یک اجرای طولانی پر از این آزمایش‌های پرهزینه است. پس سخت است بفهمیم کدام تصمیم
KnowGPO: Knowledge-Grouped Policy Optimization for Search Agents
پاداش دادن به ایجنت جست‌وجو بر اساس دانسته‌هایی که هر قدم واقعاً به دست آورده
ایجنت‌های جست‌وجوی عمیق برای جواب دادن به سؤال‌های پیچیده ده‌ها بار جست‌وجو می‌کنند و صفحه می‌خوانند. در یادگیری تقویتی معمول، کل این مسیر فقط یک پاداش نهایی می‌گیرد، پس معلوم نیست کدام جست‌وجو مفید بوده. روش‌های نظارت بر فرایند هم اعتبار هر قدم را به وضعیت ظا
Learning Self-Orchestration in Decentralized Agent Swarms
گروهی از ایجنت‌ها که بدون هماهنگ‌کننده‌ی مرکزی، با «مزایده» یاد می‌گیرند چه کسی کار را انجام دهد
توانایی یک گروه ایجنت هم به اعضایش بستگی دارد و هم به این‌که چطور هماهنگ می‌شوند. اما سیستم‌های چندایجنتی موجود معمولاً ایجنت‌ها را در یک ساختار هماهنگی ثابت آموزش می‌دهند؛ مثلاً نقش‌ها از قبل تعیین شده‌اند. پس یادگیری مهارت‌های فردی از سازمان‌دهی رفتار جمعی ج
A team of Gemini 4 Argon agents beats Minecraft
چهار ایجنت جمنای ۴ آرگون بازی ماینکرفت را از صفر تا شکست اژدها تمام کردند
ایجنت‌های امروزی در کارهای کوتاه خوب‌اند، اما کارهایی که هزاران قدم وابسته به هم دارند و بیش از یک روز طول می‌کشند هنوز سخت‌اند. تمام کردن ماینکرفت در حالت بقا یک آزمون روشن از همین توانایی است: باید منابع جمع کرد، ابزار ساخت، به بُعد دیگری رفت و در آخر اژدهای
Learning to Steer LLM Agents and Multi-Agent Systems
ایجنت ناظری که وسط کار تشخیص می‌دهد سیستم از هدف دور شده و آن را برمی‌گرداند
ایجنت‌ها و سیستم‌های چندایجنتی در کارهای طولانی با ابزار، کم‌کم از هدف اصلی دور می‌شوند؛ مثلاً در یک جست‌وجو آن‌قدر دنبال یک جزئیات فرعی می‌روند که سؤال اصلی فراموش می‌شود. به این «رانش هدف» می‌گویند و هم منابع را هدر می‌دهد و هم نتیجه را خراب می‌کند. برنامه‌ر
Improving Environment-Agnostic Coding Agents: The Role of Scaffolding
آیا ایجنت کدنویسی عمومی هنوز به هارنس مخصوص هر محیط نیاز دارد؟
انتظار می‌رود مدل‌های قوی‌تر روال‌های کار را خودشان بسازند و برتری هارنس‌های دست‌ساز توسعه‌دهنده کم شود. این مقاله می‌پرسد چرا این برتری هنوز باقی است و آیا می‌شود یک ایجنت مستقل از محیط را بدون مهندسی مخصوص هر محیط بهتر کرد. نویسنده یک ایجنت مبتنی بر کدکس را
LEASH: Uncertainty-Aware Weak-to-Strong Escalation and Oversight for Computer-Use Agents
ایجنت ارزانی که فقط وقتی مطمئن نیست کار را به مدل گران‌قیمت می‌سپارد
ایجنت‌هایی که با کامپیوتر کار می‌کنند (کلیک، تایپ، باز کردن برنامه‌ها) در کارهای طولانی یا باید در هر قدم یک مدل پیشرفته‌ی گران اجرا کنند، یا با یک مدل کوچک متن‌باز کار کنند که اغلب شکست می‌خورد. راه میانه این است که مدل ضعیف کار کند و فقط وقتی لازم است کنترل
Librarian Agents: Training LLMs to Curate Long-Context Workspaces that Anticipate Future Queries
ایجنت کتابدار: پیش از رسیدن سؤال‌ها، اسناد را به یک فضای کاری مرتب از فایل‌ها تبدیل کن
استدلال روی اسناد طولانی برای مدل‌های زبانی هنوز سخت است. روش‌های بازیابی معمول واکنشی‌اند: فقط بعد از رسیدن سؤال دنبال تکه‌های مرتبط می‌گردند، پس سؤال‌هایی که به ترکیب چند سند نیاز دارند گیر می‌کنند. ساختارهای ازپیش‌ساخته مثل گراف دانش هم با قاعده‌های خشک ساخ
Training-Free On-Policy Distillation
ادغام چند مدل متخصص در یک مدل، فقط با چند ساعت محاسبه‌ی رو به جلو و بدون آموزش
برای این‌که مهارت چند مدل متخصص (مثلاً یکی برای ریاضی و یکی برای کد) در یک مدل جمع شود، معمولاً از تقطیر روی سیاست استفاده می‌کنند: مدل شاگرد پاسخ تولید می‌کند و از هر معلم بازخورد می‌گیرد. این کار برای هر معلم اجرای مدل، محاسبه‌ی معلم و قدم‌های آموزش لازم دار
OS-Helix: Unifying GUI Interaction and Code Execution in Native Computer-Using Agents
ایجنتی که برای کار با کامپیوتر هم روی رابط گرافیکی کلیک می‌کند و هم کد اجرا می‌کند، و یاد گرفته کِی کدام
خودکارسازی واقعی دسکتاپ نه کاملاً تصویری است و نه کاملاً برنامه‌نویسی. ایجنت باید رابط کاربری را بفهمد و در عین حال فایل‌ها، اسکریپت‌ها و وضعیت سیستم را سریع دست‌کاری کند؛ مثلاً برای تغییر نام صد فایل، یک اسکریپت از صد بار کلیک بهتر است. آزمایش‌های اولیه‌ی نوی
Beyond Downstream QA: Rethinking How We Evaluate Agent Memory
سنجیدن حافظه‌ی ایجنت با پرسش و پاسخ کافی نیست؛ باید خود حافظه را بازرسی کرد
بنچمارک‌های حافظه‌ی ایجنت معمولاً می‌پرسند آیا جواب ایجنت به سؤال درست است، و از روی آن درباره‌ی کیفیت حافظه قضاوت می‌کنند. اما این روش سه چیز را با هم قاطی می‌کند: درستی حافظه، کیفیت بازیابی و کیفیت تولید جواب. گاهی جواب درست است در حالی که حافظه خراب است (مد
OpenGCUA: Toward a Fully Open Stack for Generalist Computer Use
یک پشته‌ی کاملاً باز برای ایجنت‌هایی که با کامپیوتر کار می‌کنند، با ترکیب کلیک و کد
ایجنت‌های کار با کامپیوتر دارند از تعامل صرفاً گرافیکی (دیدن صفحه و کلیک) به سیستم‌هایی می‌رسند که هم از رابط تصویری و هم از رابط برنامه‌نویسی استفاده می‌کنند. اما پیاده‌سازی‌های پیشرو، مثل سیستم کار با کامپیوتر GPT-6 Astra، بسته‌اند و نمی‌شود طراحی‌شان را به
Hy-Memory-30B-A3B: Attributed Reinforcement Learning for Long-Term Memory Writing
مدل کوچکی که فقط کارش نوشتن در حافظه‌ی بلندمدت است و در چند سیستم حافظه کار می‌کند
سیستم‌های حافظه‌ی بیرونی برنامه‌های مدل زبانی را از محدودیت پنجره‌ی کانتکست فراتر می‌برند، اما کیفیتشان به مدلی بستگی دارد که در حافظه می‌نویسد: چه چیزی نگه داشته شود، با چه دقتی و شواهد تازه چطور وضعیت قبلی را به‌روز کند. معمولاً یک مدل زبانی عمومی بزرگ با پر
AutoSFT: An Agentic System for Automated Data Research in Supervised Fine-Tuning
سیستمی چندایجنتی که مثل یک مهندس داده، داده‌ی آموزش نظارت‌شده را خودکار بهتر می‌کند
وقتی کل ابزار آموزش مدل را به ایجنت‌ها می‌دهند، آن‌ها معمولاً به آموزش نظارت‌شده می‌رسند و بیشتر وقت را صرف اصلاح داده می‌کنند. اما سیستم‌های موجود فقط یک نوع کنترل دارند، مثلاً انتخاب ردیف از یک مخزن ثابت یا صدا زدن یک مولد داده. یک مهندس داده‌ی انسانی خیلی ک
Terminal-RSI: Recursive Self-Improving Terminal Agents via Recursive Self-Rewrite and Policy-Refine
ایجنت ترمینالی که به نوبت مسیرهای موفقش را بازنویسی می‌کند و سیاستش را بهتر می‌کند
ایجنت‌هایی که در ترمینال کار می‌کنند باید دو چیز را یاد بگیرند: نتیجه‌ی یک بررسی‌کننده (موفق یا ناموفق) را به به‌روزرسانی مفید مدل تبدیل کنند، و پیشرفت ناقص را به حل کامل تسک برسانند. مثلاً ایجنتی که نصف یک باگ را درست کرده، باید بفهمد چه چیزی کم است. روش Term
Mosaic: Multi-Session Agentic Reinforcement Learning
یادگیری تقویتی برای ایجنت‌هایی که کارشان در چند سشن جدا انجام می‌شود، مثل کامپکشن یا ساب‌ایجنت
بیشتر روش‌های یادگیری تقویتی برای ایجنت‌ها فرض می‌کنند کل مسیر در یک سشن و یک کانتکست پیوسته انجام می‌شود. اما در عمل، تکنیک‌هایی مثل کامپکشن کانتکست و ساختن ساب‌ایجنت مسیر را به چند سشن تقسیم می‌کنند. روش رایج این است که پاداش کل مسیر را به همه‌ی سشن‌ها یکسان
FAOPs: Normal Forms and an Algebra for AI Agent Workflows
نظریه‌ای برای مرتب کردن روال‌های کاری ایجنت‌ها با همان نظمی که پایگاه داده دارد
سازمان‌ها روال‌های کاری‌شان را به شکل اسکیل‌های چندمرحله‌ای برای ایجنت می‌نویسند. در بخش‌های تحت نظارت مثل بانکداری، این روال‌ها باید قابل ردیابی، ممیزی، تکرار، با کنترل دسترسی و با سقف زمان و هزینه باشند. اما معمولاً فایل‌های درشتی‌اند که در آن‌ها یک قدم چند
مقاله‌هایی که تاریخ تأییدشده ندارند، در ماهی آمده‌اند که شناسه‌ی آرکایوشان نشان می‌دهد.