پرش به محتوای اصلی
آخرین اخبار
۲ وایر پاداش مطالعه

فریمورک متن‌باز CoworkOS رونمایی شد؛ ابزاری برای همکاری پایدار انسان و ایجنت‌های هوش مصنوعی

انتشار:۱۳ آبان ۱۴۰۵
۲ دقیقه زمان مطالعه
۰ دیدگاه
اشتراک و پسندیدن

محققان آزمایشگاه RUC-NLPIR از فریمورک متن‌باز CoworkOS برای تسهیل همکاری بلندمدت میان انسان و ایجنت‌های هوشمند رونمایی کردند. این سامانه با معماری سه‌لایه‌ای و ذخیره‌سازی محلی فایل‌ها، امکان ویرایش مشترک اسناد، ارائه‌ها و پروژه‌های سه‌بعدی را بدون از دست رفتن حافظه مدل فراهم می‌کند.

فریمورک متن‌باز CoworkOS رونمایی شد؛ ابزاری برای همکاری پایدار انسان و ایجنت‌های هوش مصنوعی

در یک نگاه (نکات کلیدی خبر)

خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع

  • پلتفرم متن‌باز CoworkOS با معماری سه‌لایه‌ای امکان پیشبرد پروژه‌های طولانی‌مدت را میان کاربران و ایجنت‌های هوشمند فراهم می‌سازد.
  • این فریمورک تغییرات و تاریخچه اسناد و فایل‌های طراحی را به‌صورت محلی ذخیره می‌کند تا کنترل نهایی همواره در اختیار کاربر بماند.
  • یافته‌های محققان نشان می‌دهد این ساختار توانسته است میانگین عملکرد مدل‌ها در هشت بنچمارک استاندارد را به میزان چشمگیری ارتقا دهد.

معرفی CoworkOS

فریمورک CoworkOS یک بستر کاری متن‌باز برای همکاری مداوم انسان و هوش مصنوعی است که توسط پژوهشگران آزمایشگاه RUC-NLPIR در دانشگاه رنمین و همکاران آن‌ها با هدف ارتقای بهره‌وری در پروژه‌های پیچیده و بلندمدت توسعه یافته است (مخزن گیت‌هاب، صفحه پروژه، مقاله در arXiv). این سیستم از یک محیط اجرایی سه‌لایه‌ای بهره می‌برد که شامل ایجنت اصلی (Main Agent) برای برنامه‌ریزی، واگذاری وظایف و بررسی نتایج، محیط هماهنگ‌کننده (Coordinator Runtime) برای ارسال دستورها و پایش چرخه حیات، و در نهایت زیرایجنت‌ها (Subagents) اختیاری است. در این معماری، فضاهای کاری سلسله‌مراتبی، حافظه معنایی و تغییرات پیشنهادی به‌صورت محلی ذخیره می‌شوند تا کاربر و ایجنت بتوانند به‌طور مشترک روی اسناد، اسلایدها، پروژه‌های مهندسی CAD یا صحنه‌های نرم‌افزار Blender کار کنند.

دسترسی به این ابزار از طریق بسته npm با نام coworkos-app فراهم شده است که نسخه دسکتاپ آن در مرحله نخست سیستم‌عامل macOS نسخه ۱۴ به بالا را روی رایانه‌های مجهز به تراشه‌های Apple Silicon هدف قرار می‌دهد. بر اساس گزارش این مقاله پژوهشی، پنج دور فرایند خودبهبودی بازگشتی روی این بستر به اجرا درآمد که در آن مدل GLM-5.3 مرحله پس‌آموزش مدل Qwen3.6-35B-A3B را هدایت کرد و میانگین عملکرد در هشت بنچمارک سنجش هوش مصنوعی را از ۳۳٫۱۹ به ۴۲٫۹۵ افزایش داد. مخزن عمومی این پروژه در تاریخ ۳ نوامبر ۲۰۲۶ در دسترس عموم قرار گرفته است.

توضیحات و اهداف پروژه

مسئله اصلی چیست؟

چت‌بات‌ها و ایجنت‌های متداول معمولاً در پروژه‌های طولانی که به بازبینی مستمر انسان، مدیریت وضعیت و کار بر روی فایل‌های مشترک نیاز دارند، رشته کار را از دست می‌دهند. بستر CoworkOS با جداسازی بخش استراتژی از مرحله اجرا و حفظ پایدار فضاهای کاری، لاگ‌ها و داده‌های قابل ویرایش، شرایطی ایجاد می‌کند که انسان و ایجنت بتوانند یک پروژه واحد را در طول چندین ساعت یا حتی چند روز متوالی با موفقیت مدیریت کنند.

نقاط تمایز

  • تفکیک صریح معماری در سه لایه: مدل‌های زبانی وظیفه تصمیم‌گیری را بر عهده دارند و محیط اجرایی کار هماهنگی و ماندگاری اطلاعات را مدیریت می‌کند.
  • پشتیبانی مستقیم از نرم‌افزارهای دسکتاپ: کار مشترک روی مستندات، فایل‌های ارائه، نقشه‌های CAD و مدل‌های Blender همراه با سیستم مدیریت تغییرات انجام می‌پذیرد و تنها به ابزارهای متنی خط فرمان خلاصه نمی‌شود.
  • بستری برای پیشرفت خودکار مدل‌ها: این چارچوب می‌تواند نقش محیط یاد‌گیری را ایفا کند تا مدل‌های قدرتمندتر به آموزش و ارتقای مدل‌های سبک‌تر در چند مرحله متوالی بپردازند.

محدودیت‌ها

  • پشتیبانی اولیه سیستم‌عامل: مستندات فعلی نصب دسکتاپ عمدتاً روی مک‌اواس با پردازنده‌های اپل تمرکز دارد و وضعیت سایر پلتفرم‌ها در آینده مشخص خواهد شد.
  • نتایج نیازمند راستی‌آزمایی مستقل: آمارهای ثبت‌شده بر اساس تست‌های تیم توسعه‌دهنده ارائه شده‌اند و ارزیابی دقیق‌تر به بازتولید آزمایش‌ها با مدل‌ها و داده‌های مشابه وابسته است.
  • تشابه با نام‌های تجاری دیگر: اصطلاح Cowork در ابزارهای مختلفی کاربرد تبلیغاتی دارد و برای پیگیری این پروژه مشخص، استناد به RUC-NLPIR/CoworkOS یا عنوان مقاله علمی آن ضروری است.

کاربردها

این ابزار برای چه کسانی مفید است؟

این سامانه انتخابی ایده‌آل برای پژوهشگران، تیم‌های کوچک، نویسندگان گزارش‌های تخصصی و طراحان مدل‌های سه‌بعدی و مهندسی است که پروژه‌های مشارکتی و طولانی را با نظارت انسان اجرا می‌کنند. علاوه بر این، آزمایشگاه‌های تحقیقاتی هوش مصنوعی می‌توانند از آن برای بررسی عملکرد ایجنت‌ها و خودبهبودی مدل‌ها استفاده نمایند.

راهنمای شروع به کار

  1. پیش از هر اقدامی، صفحه اختصاصی پروژه و مقاله آن در arXiv را بررسی فرمایید.
  2. طبق دستورالعمل مخزن، ابزار را با اجرای فرمان npx coworkos-app@latest desktop install (نیازمند Node.js نسخه ۲۲٫۱۹٫۰ یا بالاتر) نصب کرده و سپس از دستورهای coworkos init و coworkos doctor استفاده نمایید.
  3. در ابتدا یک پروژه چندمرحله‌ای مشخص همراه با معیارهای شفاف بازبینی تعریف کنید و تغییرات پیشنهادی را از طریق لاگ‌های بخش هماهنگ‌کننده و پیش‌نمایش فایل‌ها بسنجید.

بازخورد و اشتراک‌گذاری این مطلب

اگر این گزارش برایتان مفید بود، با پسندیدن و اشتراک‌گذاری آن با دیگران، از محتوای تخصصی هوش مصنوعی حمایت کنید.

اشتراک‌گذاری در شبکه‌های اجتماعی:

دیدگاه ها و گفتگوی تخصصی

نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید

۰ دیدگاه

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.

مطالب مرتبط و پیشنهادی

اشنایدر الکتریک: مالکان دیتاسنترها علاوه بر مجوز ساخت، به جلب اعتماد مردم نیاز دارند
آخرین اخبار

اشنایدر الکتریک: مالکان دیتاسنترها علاوه بر مجوز ساخت، به جلب اعتماد مردم نیاز دارند

شرکت اشنایدر الکتریک اعلام کرد با وجود مخالفت‌های فزاینده عمومی، ساخت دیتاسنترها با شتاب ادامه دارد، اما اپراتورها باید درباره مصرف آب، برق و زمین با مردم شفاف‌تر باشند. به باور مدیران این شرکت، توسعه مراکز داده هوش مصنوعی اکنون بیش از هر چیز به جلب اعتماد جوامع محلی و سنجش کارایی بر پایه پردازش توکن‌ها وابسته است.

۴ دقیقه مطالعه
۰
۱۳ آبان
استارتاپ LiberAI از مدل Liber-0 رونمایی کرد؛ آموزش مهارت‌های رباتیک با بیش از ۲ میلیون ساعت تجربه انسانی
آخرین اخبار

استارتاپ LiberAI از مدل Liber-0 رونمایی کرد؛ آموزش مهارت‌های رباتیک با بیش از ۲ میلیون ساعت تجربه انسانی

استارتاپ LiberAI از مدل اکشن جدیدی به نام Liber-0 رونمایی کرد که با تکیه بر ۲٫۲ میلیون ساعت تجربه زیسته انسان آموزش دیده است. این مدل هوش مصنوعی فیزیکی به ربات‌ها امکان می‌دهد مهارت‌های حرکتی روزمره را بدون نیاز به داده‌های نمایشی اختصاصی به اجرا بگذارند. آزمایش‌های اولیه نشان می‌دهد این سیستم در سناریوهای نادیده به نرخ موفقیت کلی ۳۶ درصدی دست یافته است.

۲ دقیقه مطالعه
۰
۱۳ آبان
تنسنت در تدارک عرضه موتور جستجوی هوش مصنوعی برای عموم کاربران است
آخرین اخبار

تنسنت در تدارک عرضه موتور جستجوی هوش مصنوعی برای عموم کاربران است

شرکت تنسنت در حال توسعه یک موتور جستجوی اختصاصی مبتنی بر هوش مصنوعی برای عموم کاربران است که نتایج وب را با پاسخ‌های هوشمند ترکیب می‌کند. این سرویس جدید با رابط کاربری ساده و مینیمال طراحی شده است و اولویت اصلی آن نمایش نتایج بر پایه منابع معتبر خواهد بود.

۱ دقیقه مطالعه
۰
۱۳ آبان