דלג לתוכן הראשי
אוטומציות AI - לוגו
  • דף הבית
  • בלוג
  • חדשות
  • אודות
  • צור קשר
03-7630715קבע יעוץ חינם
אוטומציות AI - פתרונות אוטומציה וסוכני AI לעסקים בישראל

מובילים בתחום האוטומציה וסוכני AI בישראל. אנו מספקים פתרונות מתקדמים ליעול תהליכי עסק ושיפור הפרודוקטיביות הארגונית.

IL03-7630715USA(646) 760-4854info@automaziot.ai
אחד העם 9, תל אביב. מגדל שלום

קישורים מהירים

  • דף הבית
  • בלוג
  • חדשות
  • אודות
  • צור קשר
  • סיפורי הצלחה
  • מילון מונחים

הפתרונות שלנו

  • ניהול לידים אוטומטי
  • סוכן חכם לוואטסאפ
  • אוטומציה עסקית מלאה
  • ניהול לקוחות חכם
  • קביעת תורים אוטומטית
  • מכירות ושירות לקוחות
  • חנות אוטומטית בוואטסאפ
  • סוכני AI
  • ייעוץ טכנולוגי

הישאר מעודכן

הירשם לניוזלטר שלנו וקבל עדכונים על חידושים בתחום האוטומציה וה-AI

FacebookInstagramLinkedIn

אתר זה משתמש ב-Google Analytics ו-Vercel Analytics לשיפור השירות. למידע מלא ראה מדיניות פרטיות

© 2026 אוטומציות AI. כל הזכויות שמורות.

מדיניות פרטיותתנאי שימושהצהרת נגישותמדיניות עריכה
Mortar: אבולוציה AI למכניקות משחקים
Mortar: אבולוציה אוטומטית של מכניקות משחקים
ביתחדשותMortar: אבולוציה אוטומטית של מכניקות משחקים
מחקר

Mortar: אבולוציה אוטומטית של מכניקות משחקים

מערכת חדשנית משלבת אלגוריתם מגוון איכותי ומודל שפה גדול לייצור משחקים ששומרים על סדר מיומנות שחקנים

אייל יעקבי מילראייל יעקבי מילר
5 בינואר 2026
2 דקות קריאה

תגיות

Mortar

נושאים קשורים

#עיצוב משחקים#AI יצירתי#למידת מכונה#גיימינג#אוטומציה

✨תקציר מנהלים

נקודות עיקריות

  • Mortar משלבת אלגוריתם QD ו-LLM לייצור מכניקות משחקים

  • הערכה מבוססת סדר מיומנות שחקנים במשחקים סינתטיים

  • מייצרת משחקים מגוונים, משחקיים ומאושרים במשוב אנושי

  • מחקרי הסרה מאשרים תרומת רכיבי המערכת

Mortar: אבולוציה אוטומטית של מכניקות משחקים

  • Mortar משלבת אלגוריתם QD ו-LLM לייצור מכניקות משחקים
  • הערכה מבוססת סדר מיומנות שחקנים במשחקים סינתטיים
  • מייצרת משחקים מגוונים, משחקיים ומאושרים במשוב אנושי
  • מחקרי הסרה מאשרים תרומת רכיבי המערכת

בעולם עמוס במשחקים, עיצוב מכניקות משחקים הוא תהליך ארוך ומתיש שדורש מומחים. מערכת Mortar, שפותחה על ידי חוקרים, משנה את חוקי המשחק בכך שהיא מאפשרת אבולוציה אוטומטית של מכניקות משחקים. המערכת משלבת אלגוריתם מגוון איכותי עם מודל שפה גדול כדי לחקור מגוון רחב של מכניקות, שמוערכות על ידי סינתזה של משחקים מלאים. לפי המחקר, Mortar מייצרת משחקים מגוונים ונגישים לשחקנים.

Mortar פועלת על ידי יצירת מכניקות חדשות מהארכיון הקיים ומשלבת אותן במשחקים מלאים באמצעות תהליך חיפוש בעץ. ההערכה מתבססת על יכולת המשחק לשמור על סדר מיומנות – כלומר, שחקנים חזקים מנצחים באופן עקבי שחקנים חלשים יותר. החוקרים מדווחים כי המכניקות שפותחו תורמות רבות יותר לניקוד סדר המיומנות בהשוואה למכניקות קיימות. זה מאפשר יצירת משחקים שמאתגרים באופן הוגן ומבוסס כישורים.

במחקרים ניסויים, Mortar הוכיחה יכולת לייצר משחקים שנראים מגוונים ומשחקיים. מחקרי הסרה (ablation studies) בדקו את תרומת כל רכיב במערכת, והראו כי השילוב בין אלגוריתם ה-QD למודל השפה הגדול חיוני להצלחה. כמו כן, מחקר משתמשים העריך את המשחקים על פי משוב אנושי, שמאשר את האיכות והנגישות שלהם.

המשמעות של Mortar עולה בקנה אחד עם מגמות בעולם ה-AI היצירתי, כמו שימוש במודלים גדולים לייצור תוכן. לעומת כלים קיימים, Mortar מתמקדת בהערכה מבוססת ביצועים אמיתיים של שחקנים, מה שמבטיח משחקים איכותיים יותר. בישראל, שבה תעשיית הגיימינג צומחת במהירות, טכנולוגיה כזו יכולה לסייע לסטארט-אפים לפתח משחקים מהר יותר ולשפר את חוויית השחקן.

למנהלי עסקים בתחום הגיימינג וה-AI, Mortar מצביעה על עתיד שבו עיצוב משחקים יהיה אוטומטי ומבוסס נתונים. כדאי לבחון כיצד לשלב כלים כאלה בפיתוח, כדי להפחית זמן ועלויות. האם זו מהפכה שתשנה את תעשיית המשחקים? המחקר מזמין ניסויים נוספים.

שאלות ותשובות

שאלות נפוצות

אהבתם את הכתבה?

הירשמו לניוזלטר שלנו וקבלו עדכונים חמים מעולם ה-AI ישירות למייל

המידע שתמסור ישמש ליצירת קשר ומתן שירותים. למידע נוסף ראה מדיניות פרטיות ותנאי שימוש

עוד כתבות שיעניינו אותך

לכל הכתבות
TierMem לזיכרון מדורג לסוכנים ארוכי טווח: פחות טוקנים, כמעט בלי לוותר על דיוק
מחקר
23 בפבר׳ 2026
6 דקות

TierMem לזיכרון מדורג לסוכנים ארוכי טווח: פחות טוקנים, כמעט בלי לוותר על דיוק

**TierMem הוא מנגנון זיכרון דו-שכבתי לסוכנים ארוכי טווח שמחליט בזמן המענה אם מספיק להסתמך על סיכום מהיר או שצריך להסלים ללוגים גולמיים כדי להביא ראיות מאומתות. לפי המאמר (arXiv:2602.17913v1), ב-LoCoMo השיטה הגיעה לדיוק 0.851 לעומת 0.873 ב-raw-only, תוך חיסכון של 54.1% בטוקנים ו-60.7% בהשהיה.** עבור עסקים בישראל שמפעילים שיחה רציפה ב-WhatsApp Business API ומנהלים לקוחות ב-Zoho CRM, המשמעות היא ניהול סיכונים: סיכומים לבד עלולים להשמיט “תנאי קריטי” (מחיר, הסכמה, רגישות רפואית), ולכן כדאי לבנות דרך N8N שכבת לוגים בלתי ניתנים לשינוי וכללי הסלמה לשאילתות רגישות. כך מצמצמים עלות ותורמים לעקיבות פנימית.

arXivTierMemLoCoMo
קרא עוד
NL2LOGIC לתרגום משפטים ללוגיקה מסדר ראשון: 99% תחביר, +30% משמעות
מחקר
23 בפבר׳ 2026
6 דקות

NL2LOGIC לתרגום משפטים ללוגיקה מסדר ראשון: 99% תחביר, +30% משמעות

**NL2LOGIC היא מסגרת שמתרגמת טקסט לשפה טבעית ללוגיקה מסדר ראשון (FOL) דרך עץ תחביר מופשט (AST), כך שהפלט עומד בכללי דקדוק וניתן להרצה בסולברים. לפי המאמר, היא מגיעה ל‑99% דיוק תחבירי ומשפרת נכונות סמנטית עד 30% בבנצ’מרקים כמו FOLIO ו‑ProofWriter.** לעסקים בישראל זה חשוב במיוחד בתהליכים שבהם “צריך להכריע” ולא רק “לנסח”: החזרים, חריגי שירות, תנאי חוזה, ניגוד עניינים במשרדי עורכי דין או סיווג פניות בביטוח ונדל"ן. שילוב עם WhatsApp Business API, N8N ו‑Zoho CRM מאפשר לקלוט פנייה, להפעיל כללים פורמליים, להחזיר החלטה מוסברת, ולתעד אותה ב‑CRM לצורכי בקרה וציות (כולל עקרונות חוק הגנת הפרטיות).

arXivNL2LOGICAST
קרא עוד
Lang2Act ל-VRAG: שרשראות כלים לשוניות שמחדדות תפיסה חזותית ב‑VLM
מחקר
23 בפבר׳ 2026
6 דקות

Lang2Act ל-VRAG: שרשראות כלים לשוניות שמחדדות תפיסה חזותית ב‑VLM

**Lang2Act הוא מנגנון VRAG שבו מודל ראייה-שפה (VLM) מייצר בעצמו “פעולות” כשרשראות לשוניות, ואז משתמש בהן ככלים כדי לשפר תפיסה חזותית והסקה. לפי המאמר arXiv:2602.13235v1, הגישה מצמצמת איבוד מידע שנוצר בזרימות עבודה שמפרידות בין תפיסה להיגיון (למשל אחרי crop), ומשיגה שיפור של יותר מ‑4% בתוצאות הניסויים.** לעסקים בישראל זה רלוונטי במיוחד בתהליכים שמבוססים על תמונות ב-WhatsApp: צילומי מסך של תקלות, מסמכים, ותמונות מוצר. במקום להסתמך על כלי חיתוך/OCR קשיחים שמאבדים הקשר, כדאי לבנות פיילוט שבו כל שלבי התפיסה מתועדים, מחוברים ל-Zoho CRM, ומופעלים דרך N8N — עם מדיניות פרטיות ברורה (למשל שמירת תמונות ל-30 יום).

arXivLang2ActNEUIR
קרא עוד
מענה לשאלות רפואיות תלוי-מצב: CondMedQA מציב רף חדש לדיוק קליני
מחקר
23 בפבר׳ 2026
6 דקות

מענה לשאלות רפואיות תלוי-מצב: CondMedQA מציב רף חדש לדיוק קליני

מענה לשאלות רפואיות תלוי-מצב הוא מצב שבו אותה שאלה מקבלת תשובה שונה לפי תנאי המטופל—קומורבידיות, אלרגיות או התוויות-נגד. במאמר arXiv:2602.17911v1 מוצגים CondMedQA (בנצ׳מרק חדש שמודד היסק מותנה) ו-Condition-Gated Reasoning (CGR), שמפעיל/גוזם מסלולי היסק בגרף ידע לפי תנאי השאלה כדי לבחור תשובה ישימה יותר. לעסקים בישראל שמפתחים כלי טריאז׳, טלה-רפואה או שירות במוקדי אחיות, המשמעות היא שינוי מדידה: לא “דיוק ממוצע”, אלא דיוק במקרי קצה. פרקטית, אפשר לשלב איסוף תנאים ב-WhatsApp Business API, לשמור שדות ב-Zoho CRM, ולהפעיל ב-N8N “שער תנאים” שמנתב מקרים מסוכנים לגורם אנושי ומייצר לוגים לאודיט.

arXivCondMedQACondition-Gated Reasoning
קרא עוד