🔹 معرفی GLM-4.5 و GLM-4.5 Air
مدل‌های پرچم‌دار جدیدی که با هدف یکپارچه‌سازی توانایی‌های پیشرفته در استدلال، برنامه‌نویسی، و عملکرد عاملیت‌محور (Agentic) طراحی شده‌اند.

📌 ویژگی‌های مدل‌ها:

GLM-4.5:
شامل ۳۵۵ میلیارد پارامتر کل، از این میان ۳۲ میلیارد پارامتر فعال

GLM-4.5-Air:
شامل ۱۰۶ میلیارد پارامتر کل، از این میان ۱۲ میلیارد پارامتر فعال

💵 قیمت API به‌ازای هر ۱ میلیون توکن:

GLM-4.5:
▫️ ورودی (Input): ‌۰٫۶ دلار
▫️ خروجی (Output): ‌۲٫۲ دلار

GLM-4.5-Air:
▫️ ورودی (Input): ‌۰٫۲ دلار
▫️ خروجی (Output): ‌۱٫۱ دلار

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

یک دوره خیلی خوب از مایکروسافت راجع به Model Context Protocol (MCP) به اسم MCP for Beginners. اگه هنوز نمیدونید MCP چی هست یا اینکه چطور کار میکنه حتما این دوره را ببینید. به جز یک ویدیو ۱ ساعته باقی ویدیوها زیر ۵-۶ دقیقه هستند. MCP یکی از مهمترین مباحث برای درست کردن AI agents هست.

https://www.youtube.com/playlist?list=PLlrxD0HtieHjYfVUpGl_-ai7D6FRBjV-d

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🎉 معرفی Qwen-Image — یک مدل فوق‌العاده قدرتمند برای تولید تصویر از متن!

🚀 در واقع Qwen-Image یک مدل ۲۰ میلیارد پارامتری (20B MMDiT) و نسل جدیدی از مدل‌های Text-to-Image هست که حالا متن‌باز شده!

🧠 ویژگی‌های برجسته:

🔹 بی‌نظیر در تولید متن داخل تصویر — رقابت تنگاتنگ با GPT-4o در زبان انگلیسی و بهترین عملکرد در زبان چینی
🔹 تولید متن به‌صورت درون‌پیکسلی — بدون هیچ لایه‌ی اضافی؛ همه‌چیز کاملاً یکپارچه
🔹 پشتیبانی دوزبانه + فونت‌های متنوع + چیدمان‌های پیچیده

🎨 همچنین در تولید انواع سبک‌های تصویری عالیه:
📸 واقع‌گرایانه
🎌 انیمه
🖌 امپرسیونیستی
📐 مینیمالیستی


Blog:https://qwenlm.github.io/blog/qwen-image/
Hugging Face：https://huggingface.co/Qwen/Qwen-Image
ModelScope：https://modelscope.cn/models/Qwen/Qwen-Image
Github：https://github.com/QwenLM/Qwen-Image
Technical report：https://qianwen-res.oss-cn-beijing.aliyuncs.com/Qwen-Image/Qwen_Image.pdf
Demo: https://modelscope.cn/aigc/imageGeneration?tab=advanced

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

📌 معرفی مقاله DAPO

🔍 مقاله‌ی جدید "DAPO: An Open‑Source LLM Reinforcement Learning System at Scale" توسط تیم ByteDance منتشر شده و یک چارچوب متن‌باز برای بهینه‌سازی مدل‌های زبانی با RL ارائه می‌ده.

✅ نکات برجسته:

معرفی الگوریتم DAPO با تکنیک‌هایی مثل Clip‑Higher و Token‑Level Policy Gradient

ارزیابی روی دیتاست چالش‌برانگیز AIME 2024

کسب امتیاز ۵۰ با مدل Qwen‑2.5‑32B، جلوتر از DeepSeek‑R1

انتشار کامل کد، داده و آموزش روی GitHub

https://arxiv.org/pdf/2503.14476

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

یک دیتاست شعر فارسی منتشر کردن که شامل بیش از 80 هزار شعر از شاعران کلاسیک و معاصر هست.
برای آموزش مدل‌های زبانی، تحلیل سبک شعر، یا پروژه‌های NLP فارسی می‌تونید ازش استفاده کنید.

https://www.kaggle.com/datasets/jigsaw13/persian-poem-dataset

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

یک دوره کوتاه ولی جالب راجع Claude Code و اینکه چطور از code assistant استفاده کنید.

https://www.deeplearning.ai/short-courses/claude-code-a-highly-agentic-coding-assistant/

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

این یک پلی‌لیست فوق‌العاده و ضروری برای مبتدیان در حوزه مدل‌های زبانی بزرگ (LLM) است! 🎯

📺 پلی‌لیست "Understanding Large Language Models" موضوعات پایه‌ای و مهم زیر را پوشش می‌دهد:

1️⃣ What is temperature in LLM?

2️⃣ Pretraining Large Language Models: Everything You Need to Know!

3️⃣ How Attention Mechanism Works in Transformer Architecture

4️⃣ What Are Word Embeddings?

5️⃣ LLM Training Starts Here: Dataset Preparation & Tokenization Explained!

6️⃣ LLMs Like ChatGPT, Explained Visually – How Do They Really Work?

https://www.youtube.com/playlist?list=PLUfbC589u-FSwnqsvTHXVcgmLg8UnbIy3

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer