🚀 RAG-Anything:
یک RAG همه‌کاره و کاملاً متن‌باز روی گراف‌ها!

🔹در واقع RAG-Anything یک سیستم گراف‌محور برای RAG چندموداله است که روی LightRAG اجرا می‌شود.
این ابزار برای مدیریت اسناد طراحی شده و تمام انواع محتوا (متنی، تصویری، جدولی، فرمول ریاضی و ... ) را در یک ساختار یکپارچه پشتیبانی می‌کند.

✨ ویژگی‌ها:

📄 پشتیبانی از همه‌ی مدالیته‌ها در یک ساختار واحد

⚡️ پردازش منعطف: MinerU-based parsing یا ورودی مستقیم چندموداله

🖼 پردازش اختصاصی برای تصاویر، جداول، معادلات ریاضی و محتوای ناهمگن

🔍 جستجوی پیشرفته با درک متنی و چندموداله

🤖 شناسایی و دسته‌بندی خودکار محتوا و هدایت آن به کانال‌های پردازشی بهینه

📌 اگه دنبال یک RAG قدرتمند و یکپارچه هستی، این پروژه ارزش امتحان کردن رو داره!

https://github.com/HKUDS/RAG-Anything

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

📝 GraphRAG-R1
توی مقالات قبلی برای بازیابی روی گراف‌ها از روش‌های هیورستیک از پیش تعریف‌شده استفاده می‌شد، که دقت و کارایی رو محدود می‌کرد.
🔹 اما این مقاله برای اولین بار با به‌کارگیری Reinforcement Learning (RL) تونسته این محدودیت رو برطرف کنه و فرآیند بازیابی رو هوشمند و بهینه‌تر بسازه.

https://arxiv.org/pdf/2507.23581

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

📘 Reinforcement Learning from Human Feedback (RLHF) – Short Book

این یه introduction کوتاه درباره‌ی RLHF و post-training روی language models هست.

https://rlhfbook.com/

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

مقاله‌ای از علوم پزشکی کاشان با 426 سایتیشن ریترکت شد. بس کن دیتاسازی رو هموطن!

https://pubpeer.com/publications/FF831BF73E8D00ABF9004B8BC4B2BD

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🎓 University of Auckland International Student Excellence Scholarship

برای مقطع:کارشناسی,کارشناسی ارشد,دکتری برای کلیه رشته‌های تحصیلی این دانشگاه بورسیه تحصیلی میده.

اطلاعات بیشتر در مورد نحوه اپلای برای آن، به لینک زیر مراجعه کنید.

https://www.auckland.ac.nz/en/study/scholarships-and-awards/find-a-scholarship/university-of-auckland-international-student-excellence-scholarship-844-all.html

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

📖 Designing a SIMD Algorithm from Scratch

نوشته‌ی Miguel یکی از خوندنی‌ترین منابع برای درک طراحی الگوریتم‌های SIMD هست ✨

https://mcyoung.xyz/2023/11/27/simd-base64/

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

📉 تحقیقات MIT: ‌۹۵٪ از شرکت‌هایی که روی GenAI سرمایه‌گذاری کردند، هنوز خروجی مشخصی ندارند.

🏗 احتمال فروش مراکز داده OpenAI برای جبران هزینه‌های سنگین محاسبات.

📡 معرفی ChatGPT Go در هند: اشتراک ماهانه زیر ۵ دلار با پرداخت محلی.

🗞 خبرهای کوتاه:

انتشار مخزن Agents.md توسط OpenAI

فایرفاکس ۱۴۲: پشتیبانی از افزونه‌های مبتنی بر LLM محلی

🧑‍🎓 بررسی عمیق: به‌روزرسانی‌های مهم برای طراحی معماری AWS که شاید جا انداخته باشید.

اطلاعات بیشتر:
https://www.rohan-paul.com/p/mit-shows-95-investing-in-generative

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🎓 MCP for Beginners – دوره مایکروسافت

🧩 در واقع MCP (Model Context Protocol) یک پروتکل ارتباطی برای ایجنت‌های هوش مصنوعی است که امکان تعامل آن‌ها با ابزارهای خارجی، منابع داده و اپلیکیشن‌های ثالث را فراهم می‌کند.

این دوره آموزشی از طرف Microsoft شامل:

معرفی MCP و مفاهیم اصلی آن

بهترین شیوه‌های امنیتی MCP

ساخت اولین MCP Server

آموزش ساخت، تست و استقرار اپ‌های MCP با ابزارها و گردش‌کار واقعی

ورژن MCP پیشرفته: ایجنت‌های امن، مقیاس‌پذیر و چندوجهی

نحوه مشارکت در MCP (ابزارها، مستندات، کد و …)

درس‌هایی از پذیرندگان اولیه MCP

اصول توسعه MCP و بهترین Practices

نمونه‌های واقعی MCP در عمل

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

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🚀 Sorting Algorithm Visualizer ✨📊

🤔 همیشه درک تفاوت الگوریتم‌های مرتب‌سازی مثل Bubble Sort و Quick Sort یا نحوه کار مرحله‌به‌مرحله Insertion Sort یه مقدار انتزاعی و سخت به نظر می‌رسه.

👨‍💻 با این وب اپلیکیشن تعاملی می‌تونید به‌صورت بصری ببینید هر الگوریتم دقیقاً چطور کار می‌کنه و تفاوت‌هاشون رو بهتر متوجه بشید.

🔗 GitHub Repo: https://github.com/hrnrxb/sorting_algo
🚀 Live Demo: https://ds-fall2025.github.io/sorting_algo/

#الگوریتم
📣👨‍💻 @AlgorithmDesign_DataStructuer

🚀 فریم‌ورک‌های LLM با سرعت زیادی در حال پیشرفت هستند!
اما واقعا کدومشون رو باید انتخاب کنیم؟ 🤔

اگر با هوش مصنوعی کار کرده باشید، حتما اسم این‌ها به گوشتون خورده:

🔹 LangGraph → مبتنی بر گراف، عالی برای اپ‌های چندعاملی با حالت‌های پیچیده
🔹 LangChain → دوست‌دار برنامه‌نویس، متمرکز روی زنجیره‌ها، ابزارها و حافظه
🔹 AutoGen → سیستم چندعاملی که ایجنت‌ها از طریق دیالوگ همکاری می‌کنن
🔹 CrewAI → هماهنگی نقش‌محور برای رسیدن ایجنت‌ها به اهداف مشترک

هر کدوم نقطه‌قوت خودش رو دارن، و انتخاب شما بستگی به نوع اپلیکیشنی داره که می‌سازید:

✅ نیاز به مدیریت حالت + منطق موازی → سراغ LangGraph برید
✅ دنبال جعبه‌ابزار توسعه‌دهنده با Prompt Chain هستید → LangChain بهترین گزینست
✅ روی گفت‌وگوهای خودکار ایجنت‌ها کار می‌کنید → AutoGen رو تست کنید
✅ در حال ساخت جریان‌کاری تیمی برای ایجنت‌ها هستید → CrewAI رو بررسی کنید

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

📘 دوره COS 324 – مقدمه‌ای بر یادگیری ماشین
🏛 دانشگاه پرینستون

این وب‌سایت شامل یادداشت‌های درسی (Course Notes) برای درس Introduction to Machine Learning در دانشگاه پرینستون هست.

https://princeton-introml.github.io/

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

مدجما (MedGemma) تازه‌ترین مدل پزشکی گوگل توی می ۲۰۲۵ه که این بار متن‌باز منتشر شده. یعنی پژوهشگرها و توسعه‌دهنده‌ها راحت می‌تونن دانلودش کنن، تست کنن یا حتی با داده‌های خودشون نسخه اختصاصی بسازن.

این مدل دو نسخه داره:
🧩 نسخه ۴ میلیارد پارامتری (4B) چندوجهیه و هم متن می‌فهمه هم تصویر پزشکی مثل رادیولوژی رو تحلیل می‌کنه.
📚 نسخه ۲۷ میلیارد پارامتری (27B) فقط متنیه اما خیلی دقیق‌تر عمل می‌کنه و برای تحلیل‌های تخصصی مناسبه.

مدجما روی داده‌های پزشکی آموزش دیده، توی آزمون‌ها مثل MedQA نتایج درخشانی گرفته و حتی از بعضی مدل‌های غول‌پیکر گذشته بهتر عمل کرده. می‌تونه پرسش و پاسخ کنه، توصیه بده، یا مثل یه گفت‌وگوی اولیه با پزشک سوال‌های تکمیلی بپرسه. نسخه چندوجهی هم توانایی توصیف و گزارش تصاویر پزشکی رو داره.

medgemma-4b-it:
https://huggingface.co/google/medgemma-4b-it

medgemma-27b-text-it:
https://huggingface.co/google/medgemma-27b-text-it


#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

GRAPH-R1: TOWARDS AGENTIC GRAPHRAG FRAMEWORK VIA END-TO-END REINFORCEMENT LEARNING

برای حل این چالش‌هایی که در GraphRAGهای قبلی وجود داشت مانند بازیابی داده ها فقط یک بار انجام میشد امدن یک چارچوب جدیدی به نام Graph-R1 ارائه دادن که یک چارچوب عامل‌محور (agentic) مبتنی بر یادگیری تقویتی انتها به انتها (end-to-end RL) است. این مدل:

ساخت ابرگراف (hypergraph) دانش با روش سبک و کارآمد؛

بازتعریف فرایند بازیابی به‌صورت تعامل چندمرحله‌ای بین عامل و محیط؛

بهینه‌سازی فرایند عامل با استفاده از مکانیسم پاداش انتها به انتها (end-to-end reward mechanism).

همچنین امدن روی مجوعه داده های استاندارد RAG آزمایش هایی انجام دادن که هم در دقت استدلال (reasoning accuracy)، کارایی بازیابی (retrieval efficiency)، و کیفیت تولید پاسخ (generation quality) بهتر از روش‌های سنتی GraphRAG و روش‌های RAG تقویت‌شده با RL عمل می‌کند.

https://arxiv.org/pdf/2507.21892

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

اگر می‌خواهید با مفاهیم یادگیری ماشین به ساده‌ترین و کاربردی‌ترین شکل ممکن آشنا بشید، این کانال یوتیوب یکی از بهترین انتخاب‌هاست. 🌟
ویدیوهاش پر از توضیحات روشن و مثال‌های جذابه که باعث میشه حتی سخت‌ترین موضوعات هم براتون قابل‌فهم بشه. 📚🤖

https://www.youtube.com/@datamlistic/videos

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

اینجا می‌تونید به صورت کاملاً رایگان به بیش از ۵۰۰ مدل هوش مصنوعی دسترسی داشته باشید؛ حتی مدل‌های خیلی خفن و گرون مثل o1-pro و Claude 4.1 Opus 🤩
تنها کاری که لازمه بکنید اینه که بعد از هر جواب، یه بازخورد کوچیک بدید. همین! 🔥

https://yupp.ai/get-started

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🔥 اینجا می‌تونید نوت‌بوک‌های رایگان Google Colab رو پیدا کنید که توش هر مدل یادگیری ماشین از صفر پیاده‌سازی شده.

https://udlbook.github.io/udlbook/

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

✨ توی این لینک می‌تونید به یه گنجینه ارزشمند از پروژه‌های هوش مصنوعی دسترسی داشته باشید؛
از مدل‌های زبانی (LLMs) گرفته تا AI Agents، پروژه‌های RAG، دستیارهای هوشمند و کلی اپلیکیشن جذاب دیگه 🤖🚀

https://github.com/Shubhamsaboo/awesome-llm-apps

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

مایکروسافت یه دوره‌ی خفن و رایگان داده بیرون به اسم AI Agents for Beginners 😍
جالبیش اینه که کل دوره به صورت اوپن‌سورس منتشر شده و حتی به بیشتر از ۳۰ زبان مختلف از جمله فارسی ترجمه می‌شه.

این دوره توی ۱۱ درس کوتاه و کاربردی بهت یاد میده چجوری از صفر شروع کنی و Agentهای هوش مصنوعی بسازی.

https://github.com/microsoft/ai-agents-for-beginners/tree/main/translations/fa

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

RACCooN:

حذف، اضافه یا تغییر محتوای ویدئو به‌صورت آسان و تعاملی با استفاده از چارچوب MLLM + Video Diffusion (V2P2V) و تولید توضیحات خودکار!

▶️ ۱. ویدئو به پاراگراف (V2P): RACCooN ابتدا با کمک MLLM و استراتژی multi-granular pooling، توضیحات دقیق و ساختاریافته‌ای از ویدئوها ایجاد می‌کند.

▶️ ۲. پاراگراف به ویدئو (P2V): سپس کاربران می‌توانند با اصلاح روایت خودکار، از قابلیت‌های متنوع ویرایش ویدئو با مدل انتشار ویدئو بهره ببرند.

Check out more details in our paper: https://raccoon-mllm-gen.github.io

Huggingface paper page: https://huggingface.co/papers/2405.18406

Code: https://github.com/jaehong31/RACCooN

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

از ۲۵ تا ۳۱ آگوست می‌تونید تمام دوره‌های سایت DataCamp رو رایگان ببینید! 😍

📌 موضوعات:

یادگیری ماشین 🤖

یادگیری عمیق 🧠

پردازش زبان طبیعی 🗣

تحلیل داده 📊

مدرس‌ها هم از شرکت‌های بزرگی مثل Google و Microsoft هستن.
دوره‌ها کوتاه و در همه‌ی سطوح موجودن.

https://app.datacamp.com/


#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer