معرفی مقاله: "LLMs-as-Judges: A Comprehensive Survey on LLM-based Evaluation Methods"

این مقاله به بررسی جامع روش‌های ارزیابی مبتنی بر مدل‌های زبانی بزرگ (LLMs) می‌پردازد. در این پژوهش، کاربرد این مدل‌ها به‌عنوان "داور" در ارزیابی کیفیت محتوا، استدلال و دیگر خروجی‌های تولید شده توسط هوش مصنوعی مورد بررسی قرار گرفته است. این مطالعه به مزایا، چالش‌ها و مسیرهای آینده در استفاده از LLMها برای ارزیابی می‌پردازد.

paper:https://arxiv.org/abs/2412.05579

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

جمع‌آوری منابع و جزوه‌های دانشگاهی

در این مخزن GitHub، من در حال جمع‌آوری منابع آموزشی و جزوه‌های دانشگاهی دروس مهم رشته مهندسی کامپیوتر هستم. این مجموعه شامل جزوه‌ها و مطالبی است که می‌تواند به دانشجویان و علاقه‌مندان کمک کند تا مفاهیم را بهتر یاد بگیرند و در مسیر تحصیلی خود موفق‌تر عمل کنند. 📘

اگر به دنبال منابع معتبر برای یادگیری یا مرور هستید، حتماً سری به این مخزن بزنید. با استفاده از این منابع می‌توانید به دانش خود عمق بیشتری بدهید و برای پروژه‌ها و امتحانات آماده‌تر شوید!

برای دسترسی به منابع، لطفاً به لینک زیر مراجعه کنید:
https://github.com/MohammadHossini/Computer-Engineering-Slides

#الگوریتم
📣👨‍💻 @AlgorithmDesign_DataStructuer

HOW AI WORKS?💡

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

Vision transformers

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

📚 جدیدترین مقالات در حوزه عوامل هوشمند و مدل‌های زبانی بزرگ (LLM)

اگر می‌خواهید در این حوزه به‌روز بمانید، این ۶ مقاله جدید را از دست ندهید! هر یک از این مقالات با ایده‌های نوآورانه و کاربردی ارائه شده‌اند.

✨ نکته ویژه: تمام مقالات همراه با کدهای اجرایی هستند، که می‌توانید برای درک بهتر مفاهیم و پیاده‌سازی عملی از آن‌ها استفاده کنید.

ReAct: Synergizing Reasoning and Acting in Language Models
paper :https://arxiv.org/abs/2210.03629
Code:https://github.com/ysymyth/ReAct

Reflexion: Language Agents with Verbal Reinforcement Learning
Paper:https://arxiv.org/abs/2303.11366
Code:https://github.com/noahshinn/reflexion

LLM+P: Empowering Large Language Models with Optimal Planning Proficiency
Paper:https://arxiv.org/abs/2304.11477
Code:https://github.com/Cranial-XIX/llm-pddl

Agent-FLAN: Designing Data and Methods of Effective Agent Tuning for Large Language Models
Paper:https://arxiv.org/abs/2403.12881
Code:https://github.com/InternLM/Agent-FLAN

ReWOO: Decoupling Reasoning from Observations for Efficient Augmented Language Models
Paper:https://arxiv.org/abs/2305.18323
Code:https://github.com/billxbf/ReWOO

Reasoning with Language Model is Planning with World Model
Paper:https://arxiv.org/abs/2305.14992
Code:https://github.com/maitrix-org/llm-reasoners

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

OmniDocBench is a benchmark for evaluating diverse document parsing in real-world scenarios, featuring the following characteristics

Github: https://github.com/opendatalab/OmniDocBench

Paper: https://arxiv.org/abs/2412.07626

Dataset: https://huggingface.co/datasets/opendatalab/OmniDocBench

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🌐 اگر به یادگیری ماشین و موضوعات پیشرفته در هوش مصنوعی علاقه‌مندید، سایت Deep-ML.com منبعی فوق‌العاده برای شماست. این سایت شامل مقالات تخصصی، پروژه‌های عملی و منابع آموزشی به‌روز در زمینه‌های مختلف یادگیری عمیق و شبکه‌های عصبی است.

📂 از ویژگی‌های جذاب این سایت:

ارائه پروژه‌های عملی برای درک عمیق‌تر مفاهیم
مقالات آموزشی مناسب برای مبتدی‌ها و متخصص‌ها
بررسی تکنیک‌های نوین در حوزه یادگیری ماشین
🔗 حتماً از این سایت بازدید کنید و دانش خود را در دنیای یادگیری عمیق گسترش دهید!


#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

Fundamentals of Deep Learning

📚 Download Link: https://drive.google.com/file/d/1LIwo1q81T2OskjhbsInT5eYFf0XNm8CI/view?usp=drive_link

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

جزوه ساختمان داده طورانی یه منبع عالی برای یادگیری مفاهیم پایه و آماده شدن برای آزمون‌هاست. 📘 اگه دنبال یه جزوه خوب و ساده هستید، این جزوه رو از دست ندید! 😊✅

#الگوریتم
📣👨‍💻 @AlgorithmDesign_DataStructuer

Fine Tuning LLMs with Hugging Face LLMs Code

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

📚 Probability for Computer Scientists - Stanford

از مفاهیم پایه‌ای مثل ترکیبیات (Combinatorics) تا موضوعات پیشرفته‌ای مانند Naive Bayes، Bootstrapping و Maximum Likelihood.

Link : https://www.youtube.com/playlist?list=PLoROMvodv4rOpr_A7B9SriE_iZmkanvUg

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

تبدیل متن به صوت در پایتون!

جهت تبدیل متن به سیگنال صوتی میشه از سرویس هایی به اسم TTS استفاده کرد. TTS مخفف Text To Speech هست که متن رو به عنوان ورودی دریافت و در خروجی یک سیگنال صوتی که شامل همون متن است داده میشه, یعنی برعکس ASR یا همون STT هست.
به کمک این سه تا لایبرری در پایتون می تونید ساده و کاربردی این تسک رو پیاده سازی کنید.

لینک این سه تا لایبرری:
https://pypi.org/project/TTS/
https://pypi.org/project/gTTS/
https://pypi.org/project/pyttsx3/

برای زبان فارسی هم نرم افزار زیر جواب میده:
https://www.samisoft.ir/speech_to_text/پ


#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

LLM Fine-Tuning Course (Offered by Hugging Face)

این دوره‌ای کاربردی درباره Fine-Tuning مدل‌های زبانی برای کاربردهای خاص شماست.

این دوره که توسط Hugging Face ارائه شده، بر پایه مدل‌های سری SmolLM2 طراحی شده است.

مطالبی که در این دوره پوشش داده می‌شود:
✅ Instruction Tuning
✅ Preference Alignment
✅ Parameter-efficient Fine-tuning
✅ Evaluation
✅ Vision-language Models
✅ Synthetic Datasets
✅ Inference

https://github.com/huggingface/smol-course

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

DATA SCIENCE ROADMAP

🔗 https://github.com/marantmir/Data-Science-Roadmap-2023


#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

2DMatGMM: An open-source robust machine learning platform for real-time detection and classification of 2D material flakes

Github: https://github.com/jaluus/2dmatgmm

Paper: https://arxiv.org/abs/2412.09333v1

Dataset: https://paperswithcode.com/task/instance-segmentation

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

تشخیص پلاک خودروهای ایرانی با استفاده از YOLOv11 و OpenCV

https://github.com/Gholamrezadar/yolo11-persian-license-plate-recognition

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🎓 آموزش جامع علوم کامپیوتر با OSSU

برنامه درسی OSSU یک دوره رایگان و کامل در علوم کامپیوتر است که با استفاده از منابع آنلاین از بهترین دانشگاه‌های دنیا مثل هاروارد و MIT ارائه می‌شود. این دوره برای کسانی طراحی شده که به دنبال یادگیری اصولی و عمیق علوم کامپیوتر هستند، با تمرکز بر خودآموزی و حمایت از جامعه‌ای جهانی از علاقه‌مندان.

اگر به دنبال پایه‌ای محکم در علوم کامپیوتر هستید، OSSU گزینه‌ای فوق‌العاده است.
https://github.com/ossu/computer-science

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

⚡️ Byte Latent Transformer: Patches Scale Better Than Tokens

معماری BLT مدل زبانی جدیدی است که برای اولین بار توانسته عملکردی هم‌سطح مدل‌های مبتنی بر توکن‌سازی ارائه دهد، اما با مزایایی مثل:

پردازش مستقیم داده‌ها در سطح بایت
افزایش سرعت استنتاج
مقاومت بیشتر در برابر خطاها

Github: https://github.com/facebookresearch/blt

Paper: https://arxiv.org/abs/2412.09871v1

Dataset: https://paperswithcode.com/dataset/mmlu

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

📘 Python Data Structure

این کتاب یک منبع عالی برای یادگیری مفاهیم داده‌ساختارها به زبان ساده است. اگر می‌خواهید با لیست‌ها، دیکشنری‌ها، مجموعه‌ها و دیگر داده‌ساختارهای پایتون به صورت عمیق آشنا شوید.

#الگوریتم
📣👨‍💻 @AlgorithmDesign_DataStructuer

۸۳٪ از ۱۰۰ مقاله پرارجاع هوش مصنوعی در سال ۲۰۲۳ روی مدل‌های زبانی بزرگ (LLMs) تمرکز داشتند.

متا با مدل‌های LLaMA و Llama 2 نشان داد که مدل‌های باز می‌توانند با غول‌های انحصاری مانند GPT-4 رقابت کنند. همچنین مایکروسافت با انتشار ۱۳ مقاله برتر، جایگاه برترین سازمان را از آن خود کرد.

https://www.zeta-alpha.com/post/analyzing-the-homerun-year-for-llms-the-top-100-most-cited-ai-papers-in-2023-with-all-medals-for-o

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer