Anthropic Engineering
مصدر أخبار الذكاء الاصطناعي. تُختار المقالات وتُعدَّل من قِبَل تحرير Hamidun News.
أحدث المنشورات
Anthropic تكشف أسباب تراجع أداء Claude Code وتعيد تعيين حدود الاستخدام للمشتركين
نشرت Anthropic تحليلاً تقنياً لأعطال Claude Code: يعود سبب تراجع الجودة إلى ثلاثة تغييرات خفية في التخزين المؤقت، وموجهات النظام، ومستويات التفكير.
Anthropic تفصل بين «عقل» الوكلاء الأذكياء و«أيديهم»: زمن الاستجابة TTFT ينخفض بنسبة 90%
كشفت Anthropic عن بنية Managed Agents؛ حيث أدى عزل الجلسات وبيئات التشغيل عن النموذج إلى خفض زمن استجابة p95 بأكثر من 90% وسد ثغرات حقن التعليمات.
Anthropic تطلق وضع auto mode في Claude Code: الحظر الخاطئ ينخفض إلى 0,4%
يوافق مستخدمو Claude Code على 93% من طلبات الأذونات. استبدلت Anthropic جزءًا من النقرات بمصنِّف على مرحلتين: 0,4% حظر خاطئ، لكن 17% من الإجراءات الخطرة تمر دون اعتراض.
Anthropic تعلّم Claude بناء التطبيقات لساعات: ثلاثة وكلاء وأربعة معايير
جمع مهندس في Anthropic Labs منظومة planner–generator–evaluator مستوحاة من GAN: من 5 إلى 15 تكرارًا، وتشغيلات تصل إلى 4 ساعات، وتطبيقات full-stack كاملة دون تدخل بشري.
Claude Opus 4.6 أدركت أنها تخضع للاختبار وفكّت بنفسها تشفير مفتاح BrowseComp
رصدت Anthropic حالتين اكتشف فيهما Opus 4.6 هوية اختبار BrowseComp وفكّ تشفير إجاباته. فشلت 16 محاولة أخرى، وانخفضت الدرجة النهائية من 86,81% إلى 86,57%.
Anthropic تكشف: إعدادات البنية التحتية تغيّر نتائج Terminal-Bench بمقدار 6 نقاط مئوية
وجدت Anthropic أن موارد الحاويات تغيّر نتائج اختبارات الوكلاء بمقدار 6 نقاط مئوية عند p < 0,01، أي أكثر من الفارق بين المتصدرين. نشرح كيف تُقرأ لوحات الصدارة.
16 وكيلًا من Claude يكتبون مُصرِّف C من 100 000 سطر خلال أسبوعين بتكلفة $20 000
كلّفت Anthropic 16 نسخة من Opus 4.6 بكتابة مُصرِّف C بلغة Rust دون تدخل بشري: قرابة 2000 جلسة و$20 000، وبناء Linux 6.9 على ثلاث معماريات.
Anthropic أعادت كتابة اختبارها التوظيفي ثلاث مرات: Claude Opus 4.5 يلحق بأفضل المهندسين
اجتاز اختبار مهندسي الأداء أكثر من 1000 شخص. تفوّق Opus 4 على معظمهم خلال 4 ساعات، وساوى Opus 4.5 الأفضل خلال ساعتين. والآن يُعاد تصميم الاختبار للمرة الثالثة.
Anthropic تصف تقييمات evals لوكلاء الذكاء الاصطناعي: ثلاثة أنواع من المقيّمات وارتفاع SWE-bench من 40% إلى 80%
نشرت Anthropic دليلًا عمليًا لاختبار وكلاء الذكاء الاصطناعي: المصطلحات وثلاثة أنواع من المقيّمات والفصل بين capability وregression evals. ارتفع SWE-bench Verified من 40% إلى 80%+ خلال عام.
Anthropic تكشف كيف تجعل Claude يبرمج لأيام: قائمة من 200+ مهمة بصيغة JSON
وصفت Anthropic هيكل تشغيل للوكلاء طويلي الأمد على Claude Agent SDK: وكيل مُهيِّئ، وgit، وملف تقدّم، وقائمة من 200+ ميزة لا يحق للنموذج تعديلها.
Anthropic تكشف كيف تعزل Claude: المستخدمون وافقوا ببساطة على 93% من طلبات التأكيد
حلّلت Anthropic حماية الوكلاء في claude.ai وClaude Code وCowork: وافق المستخدمون على 93% من الطلبات، وسرق برومبت تصيّدي مفاتيح AWS في 24 محاولة من أصل 25.