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.
انتقال واقعیت بین مدل‌های زبانی مختلف با فرستادن شماره‌ی کلمه‌ها به جای بردار، بدون آموزش
سیستم‌های چندایجنتی به مدل‌ها اجازه می‌دهند با اشتراک اطلاعات مکمل با هم کار کنند. معمولاً این ارتباط با متن است و روش‌های تازه‌تر حالت‌های درونی مدل را هم رد و بدل می‌کنند. اما انتقال حالت درونی بین معماری‌های مختلف معمولاً به یک مترجم یادگرفته یا فرض سازگاری
هارنس و محیط اجرایی قابل تأیید به زبان Lean ۴، که برگشت‌پذیری را مبنای کنار گذاشتن انسان از حلقه می‌کند
کار مفید ایجنت‌ها در طول ساعت‌ها و روزها، از راه ابزارها، بین ایجنت‌های متعدد و انسان‌ها، و بیشتر با کدی که خود ایجنت‌ها می‌نویسند انجام می‌شود. از سه شرکت‌کننده‌ی این محاسبه، یعنی انسان، مدل و کد، فقط توجه انسان مقیاس‌پذیر نیست؛ پس محاسبه فقط وقتی بزرگ می‌شود
کاربر عصبانی یا ناامید چقدر ایجنت‌های ابزاری را زمین می‌زند؟
در کارهای طولانی با فراخوانی ابزار، ایجنت‌ها فقط به خاطر خطای ابزار شکست نمی‌خورند، بلکه گاهی به خاطر تعامل ناکارآمد با کاربر. بنچمارک‌های موجود بیشتر کاربر همکار و آرامی را فرض می‌کنند، پس اثر تغییرات احساسی کاربر، مثلاً بی‌حوصلگی یا عصبانیت، بر قابلیت اطمینا
حافظه‌ی بلندمدت ایجنت با واحدهای حافظه‌ی مستقل و یک کدبوک گسسته برای پیدا کردن شواهد مرتبط ولی کم‌شباهت
حافظه‌ی بلندمدت بین سشن‌ها هنوز گلوگاه اصلی ایجنت‌های مدل زبانی است. بیشتر سیستم‌ها تکه‌های گفت‌وگو را همان‌طور ذخیره می‌کنند و با جست‌وجوی نزدیک‌ترین همسایه در فضای بردارها بازیابی می‌کنند. این تکه‌ها به کانتکست وابسته‌اند و واحد پایداری نیستند، و شواهدی که م
یادگیری از ادامه‌ی واقعی یک «اوراکل» از همان وضعیتی که ایجنت به آن رسیده
یادگیری تقویتی برای کارهای طولانی محدود به آینده‌هایی است که سیاست فعلی می‌بیند. اگر اجراها هیچ‌وقت به رفتار مفید نرسند، هیچ روش تقسیم اعتباری نمی‌تواند برای وضعیت‌ها و عمل‌هایی که اصلاً دیده نشده‌اند نظارت بدهد. روش‌های تقطیر روی سیاست راهنمایی معلم را روی وض
حافظه‌ی سه‌لایه‌ی خودنگهدار برای ایجنت‌ها، که فراموش می‌کند و درباره‌ی تجربه‌های گمراه‌کننده هشدار می‌دهد
ایجنت‌های مدل زبانی می‌توانند در زمان اجرا با انباشتن تجربه خودشان را بهتر کنند. اما بیشتر حافظه‌ها تک‌سطحی‌اند: مسیرها، گردش‌کارها و درس‌ها همه در یک مخزن بی‌ساختار با شباهت امبدینگ ریخته می‌شوند. هرگز فراموش یا تکراری‌زدایی نمی‌کنند و دچار «انتقال منفی» می‌ش
آموزش ایجنت با حلقه‌های خودش: هر تکرار بی‌فایده یک نمونه‌ی منفی است
ایجنت‌هایی که کار طولانی انجام می‌دهند اغلب کاری را که قبلاً کرده‌اند دوباره انجام می‌دهند: همان فراخوانی ابزار را دوباره می‌فرستند و دقیقاً همان نتیجه را می‌گیرند، قدمی که هیچ اطلاعات تازه‌ای ندارد. نویسنده‌ها به این «حلقه» می‌گویند. حلقه‌ها در ایجنت‌های Qwen
مرور حافظه‌ی ایجنت‌های چندوجهی: از حافظه‌ی ثابت تا حافظه‌ای که سیاست مدیریتش را خودش تکامل می‌دهد
ایجنت‌های چندوجهی هرچه به سمت کارهای طولانی و یادگیری مادام‌العمر می‌روند، باید بتوانند از داده‌ی پیچیده و ناهمگون چندوجهی، مثل تصویر و ویدئو و متن، پیوسته اطلاعات مفید بگیرند. این کار سازوکار حافظه‌ای لازم دارد که پیوستگی بین جلسه‌ها را حفظ کند، با کاربر و مح
خودآگاهی ایجنت: تشخیص این‌که تسک شدنی نیست، درست عمل کردن بر اساسش، و پای حرفش ماندن
ایجنت‌های پیشرو در محیط‌هایی کار می‌کنند که تسکی که حل‌شدنی به نظر می‌رسد، ممکن است پیش‌نیازی نداشته باشد، خواسته‌های متناقض داشته باشد یا مانعش فقط وسط اجرا معلوم شود؛ مثلاً فایلی که باید ویرایش شود اصلاً وجود ندارد. ایجنت باید فرق بگذارد بین «این تسک شدنی نی
خلاصه‌ی فارسی هنوز نوشته نشده است.
بنچمارک تعارض بین ایجنت‌ها در کار با کامپیوتر: ساب‌ایجنت‌هایی که گزارش کهنه یا دستور متناقض می‌دهند
مدل‌های بینایی-زبان در سیستم‌های چندایجنتی برای خودکارسازی کار با کامپیوتر به کار می‌روند، اما بنچمارک‌ها بیشتر محیط سازگار و همکار را فرض می‌کنند. در همکاری واقعی، ایجنت‌های همکار یا ساب‌ایجنت‌ها وضعیت کهنه گزارش می‌دهند، دستور متناقض صادر می‌کنند یا سر مجوز
ساخت محیط‌های طولانی با پاداش پیشرفت متراکم، از روی یک «جهان پنهان» کاملاً مشخص
ایجنت‌های طولانی‌مدت که ساعت‌ها تا روزها روی کار ارزشمند کار می‌کنند، توجه زیادی گرفته‌اند، ولی مدل‌های متن‌باز در این کارها ضعیف‌اند، عمدتاً به خاطر نبود داده‌ی آموزشی و دستور آموزش کارآمد. تسک‌های طولانی و پیچیده سخت ساخته و تأیید می‌شوند و پاداششان پراکنده
ایجنت‌هایی که بین فکر کردن در فضای نهفته و تعامل متنی با ابزارها جابه‌جا می‌شوند
ایجنت‌های مدل زبانی امروز هم استدلال و هم تعاملشان متنی است. استدلال نهفته، یعنی فکر کردن در فضای پیوسته‌ی درونی مدل به جای توکن‌های متنی، کارآمدتر است ولی دسترسی بومی به ابزار و شفافیت استدلال ندارد. ایجنت‌های HybridAgent در یک فرایند تولید یکپارچه بین استدلا
آخرین مدل سنجش از دور که انسان ساخته؟ سپردن ساخت مدل‌های رصد زمین به ایجنت کدنویسی
مدل‌های رصد زمین هنوز دستی ساخته می‌شوند: برای هر تسک تازه، مثلاً نقشه‌ی پوشش زمین یا تشخیص کشتی در تصویر راداری، متخصص‌ها دستور آموزش طراحی می‌کنند و آن را روی یک بنچمارک تنظیم می‌کنند. نویسنده‌ها نشان می‌دهند این حلقه را می‌شود به ایجنت سپرد. هر تسک قابل تأی
چارچوبی نظری برای هارنسی که خودش را بهتر می‌کند، و شرط‌هایی که این بهبود را قابل اعتماد نگه می‌دارد
خودتکاملی هارنس یعنی اسکلت نرم‌افزاری ایجنت، شامل پرامپت‌ها، حافظه، روال‌ها و اجزای اجرایی، بازنویسی شود در حالی که وزن‌های مدل ثابت می‌ماند. اما وقتی بازنویسی‌های پذیرفته‌شده از یک اجرا به اجرای بعد می‌مانند، این سؤال پیش می‌آید که از کجا بدانیم یک بازنویسی و
تزریق انتخابی اسکیل در یادگیری تقویتی ایجنتی، فقط وقتی برآورد شود واقعاً کمک می‌کند
اسکیل‌های متنی می‌توانند با تقطیر تعامل‌های قبلی به راهنمای قابل استفاده‌ی دوباره، کاوش ایجنت را در یادگیری تقویتی بهتر کنند. اما روش‌های موجود یا فرض می‌کنند تزریق اسکیل همیشه مفید است یا برای سنجش سودش به بازخورد غیرمستقیم یا اجراهای پرهزینه تکیه می‌کنند. آز
ایجنت‌هایی که ربات را خودشان بهتر می‌کنند: آیا واقعاً یاد می‌گیرند یا فقط بیشتر تلاش می‌کنند؟
ایجنت‌های مدل زبانی پیشرو حالا می‌توانند ربات‌ها را خودشان بهتر کنند: کد کنترل می‌نویسند، آزمایش می‌کنند و آنچه کار کرده را به عنوان اسکیل و حافظه برای تسک بعدی نگه می‌دارند. اما دو سؤال باز است: آیا ایجنت واقعاً یاد می‌گیرد یا فقط بیشتر تلاش می‌کند؟ و آیا آنچ
کانتکست شیءگرا برای ایجنت‌های طولانی: پیشرفت قابل استفاده‌ی دوباره را حمل کن، نه تاریخچه را
ایجنت‌های طولانی‌مدت پیشرفتشان را در وضعیت پایدار تسک انباشته می‌کنند، اما مدام تاریخچه‌ی تعامل‌هایی را پردازش می‌کنند که توضیح می‌دهد این پیشرفت چطور به دست آمده. مثلاً ایجنتی که سه فایل را درست کرده، به جای دانستن «سه فایل درست شده»، کل گفت‌وگوی درست کردنشان
یافتن مقصر شکست در سیستم چندایجنتی با ممیزی نحوه‌ی استفاده از اطلاعات، نه فقط منشأ آن
سیستم‌های چندایجنتی با همکاری نقش‌ها، ابزارها و گردش‌کارهای تخصصی توانایی را بالا می‌برند، اما همکاری تشخیص شکست را سخت‌تر می‌کند: یک ایجنت ممکن است نتیجه‌ی درستی را بد تفسیر کند و بقیه اشتباه را جلو ببرند. انتساب شکست یعنی پیدا کردن ایجنت مسئول و قدم خطای تعی
مدل پاداش با معیارهایی که فقط از خود تسک ساخته می‌شوند و داوری که با ابزار شواهد جمع می‌کند
مدل‌های پاداش مبتنی بر معیار، پاسخ‌ها را با معیارهای صریح می‌سنجند. اما روش‌های موجود اغلب معیارها را از پاسخ‌های نامزد مشاهده‌شده استخراج می‌کنند که سوگیری می‌سازد و ممکن است نیازهای تسک را جا بیندازد. داورهایشان با قیدهای مکانیکی، مثل «پاسخ دقیقاً ۵۰ کلمه با
داور کد ایجنتی که به جای فقط حکم دادن، مثال نقض قابل بررسی برای برنامه‌ی غلط پیدا می‌کند
مقیاس‌دهی زمان اجرا برای مدل‌های زبانی می‌تواند شامل تولید چند راه‌حل و انتخاب بین آن‌ها یا اصلاح یک تلاش قبلی باشد، و این کار تأییدکننده‌ای لازم دارد که درستی را برآورد کند و شاهد شکست بدهد. در برنامه‌نویسی رقابتی، داور رسمی حکم معتبر می‌دهد ولی با تعداد ارسا
پاداش تست واحد به مدل یاد می‌دهد زیادی ویرایش کند و باگ خیالی بسازد؛ راه‌حل، پاداش برای ویرایش دقیق
یادگیری تقویتی با تست واحد دستور رایج پس‌آموزش مدل‌های کد است، اما تست واحد فقط می‌پرسد برنامه‌ی نهایی پاس می‌شود یا نه. نویسنده‌ها دیدند این پاداش در اشکال‌زدایی نرخ پاس را بالا می‌برد، ولی هم‌زمان به مدل یاد می‌دهد بیشتر از لازم ویرایش کند و در کدی که درست ا
شناختن کاربر با دانستن آنچه با هم توافق کرده‌ایم یکی نیست: آگاهی از وضعیت توافق در ایجنت‌های شخصی
حافظه‌ی ایجنت‌های شخصی بیشتر روی یادگرفتن دانسته‌ها، ترجیح‌ها و خواسته‌های کاربر متمرکز بوده است. اما شناختن کاربر به معنای دانستن آنچه کاربر و ایجنت با هم توافق کرده‌اند نیست. پیشنهاد دستیار نباید فقط چون در حافظه مانده به دستور مجاز تبدیل شود؛ مثلاً دستیار پ
گراف دانش به شکل فایل: ایجنتی که ابزارهای جست‌وجوی گراف را خودش می‌نویسد و در طول کار بهترشان می‌کند
جست‌وجو در گراف‌های دانش پرمتن یعنی هم دنبال کردن رابطه‌ها و هم بررسی شواهد متنی؛ مثلاً «مقاله‌هایی از نویسندگان دانشگاه X درباره‌ی موضوع Y که به مقاله‌ی Z ارجاع داده‌اند». رابط‌های ازپیش‌تعریف‌شده‌ی گراف، دسترسی ایجنت به شواهد را محدود می‌کنند، حتی وقتی ایجنت
مقاله‌هایی که تاریخ تأییدشده ندارند، در ماهی آمده‌اند که شناسه‌ی آرکایوشان نشان می‌دهد.