KI-Agenten

Έλεγχος GPU kernel σε πραγματικό inference workload με τη μέθοδο LLM4LLM
Ομάδα ελέγχει Actor Judge Editor AI planning σε επιχειρησιακό workflow

Actor, Judge, Editor: πώς η AI μαθαίνει να σχεδιάζει χωρίς να αλλάζει τον στόχο

Το Actor–Judge–Editor μαθαίνει συμβολικό planning από solver feedback, ξεχωρίζοντας την τεχνική επιτυχία από την πιστότητα στον αρχικό στόχο.

WeiterlesenActor, Judge, Editor: πώς η AI μαθαίνει να σχεδιάζει χωρίς να αλλάζει τον στόχο
Μηχανικοί δεδομένων ελέγχουν δρομολόγηση για Semantic Compression Trees και RAG

Semantic Compression Trees: λιγότερο context για το RAG, αλλά όχι χωρίς συμβιβασμούς

Τα Semantic Compression Trees μειώνουν το context στο RAG, αλλά η μελέτη δείχνει γιατί το top-down routing χρειάζεται υβριδικό σχεδιασμό και ελέγχους.

WeiterlesenSemantic Compression Trees: λιγότερο context για το RAG, αλλά όχι χωρίς συμβιβασμούς
Μηχανικοί επιλέγουν συνδέσεις δεδομένων για SchemaRouter και AI agents

SchemaRouter: πώς οι AI agents βρίσκουν τα σωστά δεδομένα χωρίς περιττό context

Το SchemaRouter δείχνει πώς οι AI agents επιλέγουν σωστά εργαλεία και πεδία, μειώνουν context και διατηρούν προέλευση, μονάδες και άδειες χρήσης.

WeiterlesenSchemaRouter: πώς οι AI agents βρίσκουν τα σωστά δεδομένα χωρίς περιττό context
Μηχανικοί επιβλέπουν δοκιμή βιομηχανικού ρομπότ πριν από την παραγωγή

MCP και RAG στη ρομποτική: όταν η AI γράφει κώδικα και τον δοκιμάζει πριν από την παραγωγή

Νέα μελέτη συνδέει MCP, RAG και ABB RobotStudio, ώστε ο κώδικας RAPID που γράφει η AI να δοκιμάζεται και να διορθώνεται πριν από την παραγωγή.

WeiterlesenMCP και RAG στη ρομποτική: όταν η AI γράφει κώδικα και τον δοκιμάζει πριν από την παραγωγή