diff --git a/html/page_7.html b/html/page_7.html new file mode 100644 index 0000000..0f704c3 --- /dev/null +++ b/html/page_7.html @@ -0,0 +1,605 @@ + + + + + + تکناو | تحلیل فناوری، هوش مصنوعی و امنیت سایبری + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
+
+

+ تکناو +

+

+ بنچمارک TekRag +

+

+ درگاه رسمی بنچمارک TekRag؛ اولین فریم‌ورک استاندارد ارزیابی دقت، بازیابی و پاسخ‌دهی سیستم‌های RAG زبان فارسی. +

+ + +
+

+ بررسی جامع بنچمارک TekRag +

+

+ تکناو به عنوان پیشگام در ارائه محتوای تخصصی، عمیق‌ترین تحلیل‌ها را در حوزه بنچمارک TekRag ارائه می‌دهد. + ما معتقدیم که دسترسی به اطلاعات دقیق و علمی در این زمینه می‌تواند به توسعه فردی و سازمانی کمک شایانی کند. + در این بخش شما به مجموعه‌ای بی‌نظیر از مقالات، بررسی‌های فنی، و روندهای آینده دسترسی خواهید داشت که توسط متخصصان و مهندسان ارشد تکناو گردآوری شده است. +

+

+ هدف اصلی ما ایجاد یک پایگاه دانش غنی برای جامعه فارسی‌زبان است تا در مواجهه با چالش‌های دنیای مدرن تکنولوژی همواره به‌روز و آماده باشند. + موضوعاتی مانند معماری سیستم‌ها، الگوهای طراحی مدرن، امنیت زیرساخت و توسعه پایدار همواره مورد توجه ویژه تیم تحریریه قرار دارد. +

+

+ توصیه می‌کنیم مقالات این بخش را به دقت مطالعه کرده و برای درک بهتر مفاهیم، از فرهنگ واژگان تکناو و ابزارهای توسعه‌دهندگان ما استفاده کنید. +

+
+
+
+
+
+
+ + +
+ + + +
+
+
+ +
+
+
+
+

+ مجموعه داده و بنچمارک TekRAG-Persian +

+

+ چارچوب داده‌محور برای ارزیابی پدیده توهم (Hallucination) در سیستم‌های بازیابی اطلاعات فارسی. +

+
+
+
+
+
+
+

+ معرفی چارچوب پژوهش +

+

+ + TekRAG-Persian + + اولین مجموعه داده و چارچوب بنچمارک متمرکز بر زبان فارسی برای سنجش و کاهش میزان توهم در پیاده‌سازی‌های RAG است. این پروژه بر مبنای تحلیل مقاله‌های تخصصی رسانه تکناو و پاسخ‌دهی دقیق مدل‌های زبانی بزرگ توسعه داده شده است. +

+

+ هدف این بنچمارک ارزیابی سه متغیر کلیدی در بهبود عملکرد سیستم‌های بازیابی است: پاک‌سازی پیش‌رفته متن، افزودن متادیتاهای ساختاریافته به تکه‌ها، و تأثیر هدایت مدل با تأکید بر استناد به منابع اصلی. +

+
+
+

+ شناسنامه و لینک‌های دسترسی +

+
+
+
+

+ 💾 مجموعه داده در Hugging Face +

+

+ دسترسی به فایل‌های خام متون و پرسش‌ها +

+
+ + مشاهده دیتاست + +
+
+
+

+ 🔗 شناسه دیجیتال Zenodo (DOI) +

+

+ نسخه آرشیو شده و معتبر علمی پژوهش +

+
+ + مشاهده DOI + +
+
+
+

+ ⚙️ سورس‌کد در GitHub +

+

+ کدهای پیاده‌سازی و ارزیابی بنچمارک +

+
+ + مشاهده ریپازیتوری + +
+
+
+
+

+ نحوه ارجاع علمی (Citation) +

+

+ اگر از این بنچمارک یا دیتاست در پژوهش‌های دانشگاهی یا پروژه‌های علمی خود استفاده می‌کنید، لطفاً با فرمت BibTeX زیر به آن ارجاع دهید: +

+
+ + 
@article{tekrag_persian_2026,
+  title={TekRAG-Persian: A Data-Centric Evaluation Framework for Hallucination in Persian Retrieval-Augmented Generation},
+  author={Sabbagh, Arsam},
+  journal={Teknav Journal of AI Research},
+  volume={1},
+  number={1},
+  pages={10-24},
+  year={2026},
+  publisher={Teknav Media}
+}
+
+
+
+

+ ساختار مجموعه داده +

+

+ این بنچمارک شامل بخش‌های زیر در فرمت JSON است: +

+
+
+ + Corpus (بدنه داده) + + + شامل مقاله‌های تخصصی با تگ‌ها، دسته‌بندی، پاراگراف‌ها و عناوین مجزا. + +
+
+ + Questions (سوالات) + + + ۲۰۰ سوال واقعی طراحی شده توسط متخصصان در سطوح مختلف دشواری. + +
+
+ + Gold Annotations (پاسخ‌های طلایی) + + + تکه‌های دقیق پشتیبان برای هر سوال جهت سنجش بازیابی درست اطلاعات. + +
+
+
+
+
+
+
+
+ +
+
+
+ نصب اپلیکیشن تکناو +
+
+ دسترسی سریع‌تر و آفلاین به مقالات +
+
+
+ + +
+
+
+
+
+ + +