رونمایی استارتاپ Arbium از دیتاست HelixCove؛ آموزش نحوه کار واقعی در سازمان‌ها به ایجنت‌های هوش مصنوعی
استارتاپ Arbium دیتاست نوآورانه‌ای به نام HelixCove را برای ارزیابی و آموزش ایجنت‌های هوش مصنوعی منتشر کرد. این مجموعه‌داده با ثبت بیش از ۵۹ هزار کنش در نرم‌افزارهای اداری، نحوه شکل‌گیری تصمیم‌ها و همکاری‌های تیمی در محیط کار را شبیه‌سازی می‌کند. هدف این پروژه ارتقای توانایی سیستم‌های هوش مصنوعی در درک گردش کار و تعاملات واقعی سازمانی است.
در یک نگاه (نکات کلیدی خبر)
خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع
- دیتاست HelixCove با ثبت نزدیک به ۶۰ هزار کنش اداری در نرم‌افزارهایی مانند Word و Excel، روند واقعی رسیدن به تصمیم‌ها و تعاملات سازمانی را بازسازی می‌کند.
- این پلتفرم شامل ۴۳۰ پرسش تخصصی برای سنجش سیستم‌ها است و مدل‌های زبانی پیشرو فعلاً دقتی در حدود ۷۰ درصد روی آن ثبت کرده‌اند.
- تمامی اطلاعات هویتی و اسناد این مجموعه برای حفظ حریم خصوصی به‌شکل ساختگی تولید شده‌اند و بستری ایده‌آل برای ارزیابی حافظه و توان عملیاتی ایجنت‌ها پدید آورده است.
معرفی پروژه
استارتاپ Arbium در تاریخ ۲۸ اکتبر ۲۰۲۶ از مجموعه‌داده نوآورانه‌ای به نام HelixCove رونمایی کرد؛ مجموعه‌ای که از آن با عنوان «ردپای انسانی» (Human Traces) یاد می‌شود و نحوه شکل‌گیری و پیشبرد فعالیت‌های کاری را در یک سازمان در طول زمان به تصویر می‌کشد. نسخه نخست این دیتاست، رویدادهای سه هفته فعالیت در یک شرکت بیوتکنولوژی فرضی را با حضور ۱۲ کارمند، ۱٬۹۱۲ نشست کاری و ۵۹٬۷۶۸ کنش مختلف در برنامه‌هایی نظیر Word، Outlook، Teams، Excel، SharePoint و سایر ابزارهای سازمانی ثبت کرده است. اگرچه تمامی افراد، اسناد و رویدادها ساختگی هستند، اما رفتارهای ثبت‌شده بر اساس الگوهای برگرفته از صدها هزار ساعت کار واقعی انسان‌ها بازسازی و هدایت شده‌اند.
بیانیه رسمی: معرفی HelixCove · کاوش در داده‌ها: helixcove.arbium.ai · پست رونمایی در شبکه اجتماعی X
توضیحات
نکات کلیدی
- ردپای انسانی (Human traces): اصطلاحی است که استارتاپ Arbium برای ثبت و ذخیره‌سازی فعالیت‌های رایانه‌ای در طول زمان به کار می‌برد. هر ردپا، آنچه را فرد می‌بیند و انجام می‌دهد با رویدادهای پیرامون آن پیوند می‌زند؛ مانند مکالمه‌ای که به یک اقدام انجامید، سندی که در پی آن ویرایش شد و همکاری که تصمیم بعدی او به این تغییرات وابسته است.
- چرا این موضوع اهمیت دارد: اغلب داده‌های محیط کار صرفاً خروجی‌ها و نتایج نهایی را ثبت می‌کنند، در حالی که ردپاها نشان می‌دهند این نتایج چگونه، از طریق تصمیم‌های میانی، آگاهی ناکامل، اصلاح خطاها و هماهنگی‌های گروهی شکل گرفته‌اند. بر اساس دیدگاه Arbium، این نوع داده‌ها ارزشمندترین دارایی برای آموزش هوش مصنوعی با هدف انجام کارهای واقعی به شمار می‌روند.
- اطلاعات موجود در هر داده ثبت‌شده: هر رکورد شامل برچسب زمان، نرم‌افزار و پنجره فعال، نوع رویداد و متن ساختار دسترس‌پذیری نرم‌افزار به‌همراه ویدیوهای ضبط‌شده از صفحه نمایش برای درک بافت بصری کار است.
- بنچمارک و ارزیابی: حقایقی که در بستر رویدادهای این شرکت جای‌گذاری شده‌اند دارای پاسخ‌های مشخص هستند و ۴۳۰ پرسش تخصصی توانایی سیستم‌ها را برای استخراج این پاسخ‌ها به چالش می‌کشند. این ارزیابی‌ها مواردی مانند جستجوهای ساده، تغییرات رخ‌داده در طول زمان، پرسش‌های چندمرحله‌ای و تیمی، و حتی سوالاتی که پاسخی برای آن‌ها در داده‌ها وجود ندارد را در بر می‌گیرند. بر اساس گزارش‌ها در شبکه اجتماعی X، مدل‌های پیشرو تنها با استفاده از این ردپاها به دقتی در محدوده ۶۰ تا ۷۰ درصد دست یافته‌اند.
- نحوه تولید داده‌ها: استارتاپ Arbium ابتدا یک شرکت ساختگی را به‌همراه کارکنان، مدارک و روند داستان طراحی کرده است؛ سپس عامل‌های هوش مصنوعی در قالب این کارکنان روی ماشین‌های مجازی با نرم‌افزارهای واقعی در یک فضای کاری مشترک به تعامل پرداخته‌اند. در این فرایند، ۱۸ شاخص مرتبط با نحوه گذران یک روز کاری (مانند دوره‌های اوج فعالیت، جابه‌جایی میان برنامه‌ها، وقفه‌ها و موارد دیگر) با داده‌های رفتاری واقعی انسان‌ها همسان‌سازی و ارزیابی شده است.
- حفظ حریم خصوصی: مشاهده رفتارهای واقعی افراد صرفاً برای استخراج الگوهای کمّی نظیر زمان‌بندی و تغییر پنجره برنامه‌ها استفاده شده و تمامی محتواها و اسناد تجاری کاملاً خیالی و ساختگی هستند.
کاربردها
نحوه کاوش و بررسی
- محیط کاری تعاملی و بنچمارک را در آدرس helixcove.arbium.ai مشاهده کنید. در این بخش می‌توانید پاسخ‌های ذخیره‌شده مدل‌ها را بازبینی کنید، نتایج را بر اساس دقت، زمان پاسخ‌دهی یا هزینه مرتب سازید و پرسش‌ها را طبق دسته‌بندی فیلتر نمایید.
- مطالعه جزئیات روش‌شناسی و پیاده‌سازی در وبگاه arbium.ai/helix-cove.
کاربردهای ایده‌آل
- پژوهش روی ایجنت‌های هوش مصنوعی که نحوه کار با رایانه را از طریق مشاهده رفتار کاربران یاد می‌گیرند
- آزمودن سیستم‌های حافظه و بازیابی اطلاعات در پاسخ به پرسش‌هایی که افراد، نرم‌افزارها و بازه‌های زمانی گوناگون را در بر می‌گیرند
- بررسی نحوه مدیریت بستر و بافت کاری توسط ایجنت‌ها در وظایفی که به همکاری افراد و پروژه‌های در جریان وابسته هستند
درباره استارتاپ Arbium
استارتاپ Arbium در زمینه توسعه «بستر زنده برای ایجنت‌های هوش مصنوعی» فعالیت می‌کند. محصول ROOTS-1 این مجموعه، تصمیم‌ها و کنش‌های پشت کارهای روزمره را به بستری غنی و قابل استفاده برای عامل‌های هوش مصنوعی تبدیل می‌کند. این استارتاپ همچنین در حوزه مدل‌های زبانی کوچکِ روی دستگاه با آزمایشگاه CyLab در دانشگاه کارنگی ملون همکاری پژوهشی دارد.
برچسب های مرتبط
مطالب مرتبط و پیشنهادی
مدل تبدیل گفتار به متن Parakeet v3 انویدیا بدون نیاز به پایتون و کارت گرافیک اجرا می‌شود
تیم توسعهدهنده handy-computer نسخه کم‌حجم و بهینه‌سازی‌شده GGUF را برای مدل تبدیل گفتار به متن Parakeet v3 انویدیا منتشر کرد. این نسخه امکان اجرای روان و محلی مدل را بدون وابستگی به پایتون یا کارت‌های گرافیک مجزا روی پردازنده‌های معمولی فراهم می‌کند.
رونمایی از مدل Mistral Large 4؛ ایجنت کدنویسی ۱ تریلیون پارامتری با دسترسی آزاد
شرکت Mistral وزن‌های عمومی مدل جدید Mistral Large 4 را با ۱ تریلیون پارامتر و تمرکز ویژه بر ایجنت‌های کدنویسی و امنیت سایبری منتشر کرد. این مدل بر پایه معماری ترکیبی از متخصصان توسعه یافته است و با مصرف بهینه توکن، گزینه‌ای قدرتمند برای استقرار روی زیرساخت‌های خصوصی به شمار می‌رود.
مدل جدید Qwen3.5-4B-3D-Coder متن را به صحنههای سهبعدی تعاملی در مرورگر تبدیل می‌کند
یک توسعهدهنده مستقل نسخهای اختصاصی از مدل Qwen با نام Qwen3.5-4B-3D-Coder را معرفی کرده است که توصیفات متنی را به صحنههای سهبعدی تعاملی در کتابخانه Three.js تبدیل می‌کند. این مدل سبک با ۴ میلیارد پارامتر، تمام کدهای جاوااسکریپت و صحنه گرافیکی را در قالب یک فایل تکی HTML به کاربر تحویل می‌دهد و روی سیستمعامل محلی نیز قابل اجرا است.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.