# فناوری

موضوعات پژوهشی فناوری و مهندسی نرم‌افزار مرتبط با سیستم‌های هوش مصنوعی مالی

8 پست [مشاهده تمام برچسب‌ها](https://beancount.io/fa/bean-labs/research-logs/tags) [بازگشت به تمام پست‌ها](https://beancount.io/fa/bean-labs/research-logs)

۱۹ تیر ۱۴۰۵ زمان مطالعه 7 دقیقه

## [WildToolBench: چرا هیچ مدل زبانی بزرگی در دقت جلسات استفاده از ابزار در دنیای واقعی از ۱۵٪ فراتر نمی‌رود](https://beancount.io/fa/bean-labs/research-logs/2026/07/10/wildtoolbench-benchmarking-llm-tool-use-in-the-wild)

WildToolBench می‌یابد هیچ LLM از ۱۵٪ دقت نشست در ۱,۰۲۴ وظیفه کاربران واقعی فراتر نمی‌رود و قصد پنهان و گذارهای دستور، تیزترین حالت‌های شکست‌اند.

Mike Thrift

ai llm automation

۶ تیر ۱۴۰۵ زمان مطالعه 7 دقیقه

## [گمشده در میان: سوگیری موقعیتی در مدل‌های زبانی بزرگ و تأثیر آن بر هوش مصنوعی مالی](https://beancount.io/fa/bean-labs/research-logs/2026/06/27/lost-in-the-middle-language-models-long-contexts)

LLMها تا 20 واحد بدتر امتیاز می‌گیرند وقتی پاسخ در میان‌زمینه قرار دارد، بنابراین خطوط لوله RAG مالی باید بهترین قطعات را اول یا آخر قرار دهند.

Mike Thrift

llm ai machine-learning

۲۵ خرداد ۱۴۰۵ زمان مطالعه 6 دقیقه

## [OSWorld: موفقیت عامل‌های هوش مصنوعی دسکتاپ در ۱۲٪ از وظایفی که انسان‌ها در ۷۲٪ آن‌ها موفق می‌شوند](https://beancount.io/fa/bean-labs/research-logs/2026/06/15/osworld-benchmarking-multimodal-agents-real-computer-environments)

OSWorld نشان می‌دهد عامل‌های هوش مصنوعی دسکتاپ در 12.24% وظایف واقعی موفق می‌شوند در برابر 72.36% برای انسان‌ها، با 75% شکست‌ها ناشی از زمین‌گیری بینایی-حرکتی، نه استدلال.

Mike Thrift

ai machine-learning automation

۱۱ خرداد ۱۴۰۵ زمان مطالعه 7 دقیقه

## [StructRAG (ICLR 2025): انتخاب ساختار مناسب سند، GraphRAG را با اختلاف ۲۸ امتیاز شکست می‌دهد](https://beancount.io/fa/bean-labs/research-logs/2026/06/01/structrag-inference-time-hybrid-information-structurization)

StructRAG هر پرس‌وجو را به ساختار جدول، گراف، فهرست، الگوریتم یا قطعه مسیریابی می‌کند و GraphRAG را ۲۸ امتیاز شکست می‌دهد و ۲۲ برابر سریع‌تر اجرا می‌شود.

Mike Thrift

ai llm machine-learning

۱۰ خرداد ۱۴۰۵ زمان مطالعه 6 دقیقه

## [تک‌عاملی: در توکن‌های برابر، عملکرد برابر با MAS در استدلال چندمرحله‌ای دارد](https://beancount.io/fa/bean-labs/research-logs/2026/05/31/single-agent-outperforms-multi-agent-equal-token-budget)

در بودجه‌های برابر توکن تفکر، مدل‌های زبانی تک‌عاملی در استدلال چندمرحله‌ای با سیستم‌های چندعاملی برابری یا برتری دارند—طراحی‌های ساده‌تر عامل مالی را ترجیح دهید.

Mike Thrift

ai llm machine-learning

۱۹ اردیبهشت ۱۴۰۵ زمان مطالعه 7 دقیقه

## [Self-RAG: بازیابی تطبیقی و خود-انتقادی برای مدل‌های زبانی بزرگ](https://beancount.io/fa/bean-labs/research-logs/2026/05/09/self-rag-learning-to-retrieve-generate-critique-self-reflection)

Self-RAG به LLM می‌آموزد تصمیم بگیرد چه زمانی بازیابی کند و نتایج را خودنمره‌دهی کند، با ۵۵.۸٪ در PopQA و ۸۰.۲ FactScore — شکست ChatGPT در پنج بنچمارک.

Mike Thrift

ai machine-learning llm

۱۶ اردیبهشت ۱۴۰۵ زمان مطالعه 5 دقیقه

## [AgentBench: ارزیابی LLMها بهعنوان عاملها — درسهایی برای پایایی هوش مصنوعی مالی](https://beancount.io/fa/bean-labs/research-logs/2026/05/06/agentbench-evaluating-llms-as-agents)

AgentBench به GPT-4 نمره ۴.۰۱ در برابر ۰.۹۶ برای بهترین LLM متن‌باز داد. همان شکست‌ها دقیقاً چیزی است که عامل نوشتنی Beancount را روی دفتر کل زنده می‌شکند.

Mike Thrift

ai llm machine-learning

۱۲ اردیبهشت ۱۴۰۵ زمان مطالعه 7 دقیقه

## [MemGPT: ۹۲.۵٪ یادآوری چندنشستی در برابر ۳۲.۱٪ خط پایه](https://beancount.io/fa/bean-labs/research-logs/2026/05/02/memgpt-towards-llms-as-operating-systems)

لایه‌های حافظه سبک OS در MemGPT دقت چت چندنشستی GPT-4 را به ۹۲.۵٪ در برابر ۳۲.۱٪ زمینه ثابت می‌رساند—برای عامل‌های دفترکل چندساله ضروری است.

Mike Thrift

ai llm machine-learning

[رایگان شروع کن→](https://beancount.io/sign-up/?next=%2Fledger%2F) [مستندات](https://beancount.io/fa/docs)

## Where to look next

- [Sitemap](https://beancount.io/sitemap.xml) - all pages with hreflang alternates
- [LLMs index](https://beancount.io/llms.txt) - curated links for AI agents (also /llms-full.txt for full docs)
- [Documentation](https://beancount.io/docs) - every doc is also available as text/markdown via .md suffix or Accept negotiation
- [REST API reference](https://beancount.io/docs/api-reference) - interactive endpoints, schemas, authentication, and code samples
- [OpenAPI spec](https://beancount.io/openapi.json) - OpenAPI 3.1 spec for this website's public content endpoints; the product contract for ledger operations is at https://beancount.io/api-gateway/v1/openapi.json
- [GraphQL](https://beancount.io/graphql) - public, read-only content API over the blog and research logs (no credentials, no ledger data): 12 query fields over 23 types
- [MCP server](https://beancount.io/mcp) - Model Context Protocol at https://beancount.io/api-gateway/mcp
