⚡ ثبت رکورد خیرهکننده سرعت تولید متن با Celeris-1
مدل جدید Celeris-1 با ثبت نرخ بینظیر ۲,۰۸۶ توکن در ثانیه، سریعترین مدل زبانی حال حاضر لقب گرفته است. طبق گزارش Artificial Analysis، این مدل بدون نیاز به شتابدهندههای اختصاصی و تنها بر روی GPUهای معمولی به این عملکرد دست یافته که یک گام مهم برای کاهش هزینههای زیرساختی است.
🧠 معماری نوآورانه این مدل با کاهش وابستگی به تولید متوالی (Sequential)، گلوگاه تولید توکن را از بین برده است. در بنچمارک MMLU-Pro، مدل Celeris-1 دقت ۷۵.۹٪ را ثبت کرده که با وجود اندکی تفاوت نسبت به GPT-5 (با دقت ۸۱.۹٪)، در سرعت پاسخدهی عملکردی حدود ۱۳ تا ۱۶ برابر سریعتر از رقبای خود ارائه میدهد.
⚡ آمارهای فنی نشان میدهد تأخیر P50 برای این مدل تنها ۱۵۸ میلیثانیه است که در مقایسه با Gemini 3.5 Flash Lite (با ۱,۲۳۲ میلیثانیه) و مدلهای GPT، برتری چشمگیری دارد.
#Celeris_1 #MMLU_Pro
مدل جدید Celeris-1 با ثبت نرخ بینظیر ۲,۰۸۶ توکن در ثانیه، سریعترین مدل زبانی حال حاضر لقب گرفته است. طبق گزارش Artificial Analysis، این مدل بدون نیاز به شتابدهندههای اختصاصی و تنها بر روی GPUهای معمولی به این عملکرد دست یافته که یک گام مهم برای کاهش هزینههای زیرساختی است.
🧠 معماری نوآورانه این مدل با کاهش وابستگی به تولید متوالی (Sequential)، گلوگاه تولید توکن را از بین برده است. در بنچمارک MMLU-Pro، مدل Celeris-1 دقت ۷۵.۹٪ را ثبت کرده که با وجود اندکی تفاوت نسبت به GPT-5 (با دقت ۸۱.۹٪)، در سرعت پاسخدهی عملکردی حدود ۱۳ تا ۱۶ برابر سریعتر از رقبای خود ارائه میدهد.
⚡ آمارهای فنی نشان میدهد تأخیر P50 برای این مدل تنها ۱۵۸ میلیثانیه است که در مقایسه با Gemini 3.5 Flash Lite (با ۱,۲۳۲ میلیثانیه) و مدلهای GPT، برتری چشمگیری دارد.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Celeris_1 #MMLU_Pro
هوش مصنوعی و علم داده به فارسی
📊 راهنمای جامع بنچمارکهای ارزیابی هوش مصنوعی 🔬 با رشد سریع مدلهای زبانی بزرگ (LLM)، ارزیابی دقیق عملکرد مدلها فراتر از شمارش پارامترها یا تستهای ساده است. بنچمارکها ابزارهای حیاتی برای درک نقاط قوت تخصصی مدلها در محیطهای واقعی هستند. 💻 در حوزه…
📊 صنعت نوظهور ارزیابی مدلهای هوش مصنوعی
⚡ بنچمارکینگ یا همان سنجش عملکرد مدلها به یک صنعت چند میلیارد دلاری تبدیل شده است. با رشد انفجاری تعداد مدلهای هوش مصنوعی، فرآیند ارزیابی به یک حوزه تخصصی و مستقل در بازار فناوری بدل گشته که اهمیت آن در اکوسیستم فعلی بهسرعت در حال افزایش است.
💰 ارزش این بازار در حال حاضر حدود ۱.۲ میلیارد دلار برآورد میشود. تحلیلهای اقتصادی نشان میدهد این رقم تا سال ۲۰۳۵ به ۹.۶ میلیارد دلار خواهد رسید که گویای رشد خیرهکننده ۸ برابری در طول یک دهه آینده است.
🧠 رویکرد سازمانها نسبت به سنجش کیفیت مدلها در حال تغییر است. شرکتهای پیشرو دیگر به نمرات ثابت در بنچمارکهای سنتی اکتفا نمیکنند و به دنبال شواهد متقنی هستند که نشان دهد مدلها در شرایط واقعی عملیاتی و در مواجهه با تعاملات انسانی، چه کارایی و خروجی قابلاطمینانی دارند.
🚀 در فاز بعدی تحولات هوش مصنوعی، صرفاً توسعه مدلهای قدرتمند کافی نخواهد بود.
#AI_benchmarking #مدل
⚡ بنچمارکینگ یا همان سنجش عملکرد مدلها به یک صنعت چند میلیارد دلاری تبدیل شده است. با رشد انفجاری تعداد مدلهای هوش مصنوعی، فرآیند ارزیابی به یک حوزه تخصصی و مستقل در بازار فناوری بدل گشته که اهمیت آن در اکوسیستم فعلی بهسرعت در حال افزایش است.
💰 ارزش این بازار در حال حاضر حدود ۱.۲ میلیارد دلار برآورد میشود. تحلیلهای اقتصادی نشان میدهد این رقم تا سال ۲۰۳۵ به ۹.۶ میلیارد دلار خواهد رسید که گویای رشد خیرهکننده ۸ برابری در طول یک دهه آینده است.
🧠 رویکرد سازمانها نسبت به سنجش کیفیت مدلها در حال تغییر است. شرکتهای پیشرو دیگر به نمرات ثابت در بنچمارکهای سنتی اکتفا نمیکنند و به دنبال شواهد متقنی هستند که نشان دهد مدلها در شرایط واقعی عملیاتی و در مواجهه با تعاملات انسانی، چه کارایی و خروجی قابلاطمینانی دارند.
🚀 در فاز بعدی تحولات هوش مصنوعی، صرفاً توسعه مدلهای قدرتمند کافی نخواهد بود.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#AI_benchmarking #مدل
🤖 ابزار PixelRAG برای وباسکرپینگ هوشمند
🚀 پروژه PixelRAG رویکردی نوآورانه برای استخراج داده از وبسایتها ارائه کرده است. این ابزار به جای روشهای سنتی مبتنی بر تحلیل HTML، وبسایت را به صورت بصری پردازش میکند.
📸 عملکرد این سیستم به این صورت است که از صفحات وب اسکرینشات تهیه میکند. سپس با استفاده از مدلهای زبانی بزرگ (LLM)، محتوا و ساختار پیچیده سایت را تحلیل کرده و اطلاعات مورد نیاز را با دقت بسیار بالا استخراج مینماید.
💡 این رویکرد به ویژه برای سایتهای مدرن که از ساختارهای تو در تو یا رندرینگ پیچیده جاوااسکریپت استفاده میکنند، بسیار کارآمد است. استفاده از این ابزار میتواند فرآیند خزش و جمعآوری داده (Web Scraping) را برای توسعهدهندگان به شدت تسهیل کند.
مخزن گیتهاب پروژه PixelRAG
#PixelRAG #WebScraping
🚀 پروژه PixelRAG رویکردی نوآورانه برای استخراج داده از وبسایتها ارائه کرده است. این ابزار به جای روشهای سنتی مبتنی بر تحلیل HTML، وبسایت را به صورت بصری پردازش میکند.
📸 عملکرد این سیستم به این صورت است که از صفحات وب اسکرینشات تهیه میکند. سپس با استفاده از مدلهای زبانی بزرگ (LLM)، محتوا و ساختار پیچیده سایت را تحلیل کرده و اطلاعات مورد نیاز را با دقت بسیار بالا استخراج مینماید.
💡 این رویکرد به ویژه برای سایتهای مدرن که از ساختارهای تو در تو یا رندرینگ پیچیده جاوااسکریپت استفاده میکنند، بسیار کارآمد است. استفاده از این ابزار میتواند فرآیند خزش و جمعآوری داده (Web Scraping) را برای توسعهدهندگان به شدت تسهیل کند.
مخزن گیتهاب پروژه PixelRAG
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#PixelRAG #WebScraping
🤖 انتشار خانواده مدلهای Kandinsky WM 1.0 برای آموزش هوش مصنوعی فیزیکی
⚡ گروهی از محققان، خانواده مدلهای Kandinsky WM 1.0 را تحت مجوز متنباز MIT منتشر کردهاند. این مجموعه که برای حوزههای رباتیک و خودروهای خودران بهینه شده، ابزاری قدرتمند برای تولید دادههای ویدئویی با دقت فیزیکی بالا جهت آموزش هوش مصنوعی فراهم میکند. این فناوری مشکل هزینههای سنگین و خطرات شبیهسازی حوادث واقعی را با تولید سناریوهای پیچیده، از تصادفات جادهای تا خرابی تجهیزات، حل میکند.
🧠 هسته اصلی این مدلها از Kandinsky 5.0 Video Lite تشکیل شده که با میلیونها ویدئوی واقعی از خطوط تولید و ترافیک جادهای آموزش دیده است. برای حفظ واقعگرایی، از الگوریتمهای مبتنی بر RL (یادگیری تقویتی) استفاده شده تا هندسه و کینماتیک اشیاء در ویدئوها دچار تغییر شکل نشوند. این مدلها به عنوان زیربنای World Models عمل میکنند و قادرند پیشبینی کنند که رویدادها در دنیای واقعی چگونه توسعه مییابند.
🔗 rozetked.me
#Kandinsky_WM_1 #World_Models
⚡ گروهی از محققان، خانواده مدلهای Kandinsky WM 1.0 را تحت مجوز متنباز MIT منتشر کردهاند. این مجموعه که برای حوزههای رباتیک و خودروهای خودران بهینه شده، ابزاری قدرتمند برای تولید دادههای ویدئویی با دقت فیزیکی بالا جهت آموزش هوش مصنوعی فراهم میکند. این فناوری مشکل هزینههای سنگین و خطرات شبیهسازی حوادث واقعی را با تولید سناریوهای پیچیده، از تصادفات جادهای تا خرابی تجهیزات، حل میکند.
🧠 هسته اصلی این مدلها از Kandinsky 5.0 Video Lite تشکیل شده که با میلیونها ویدئوی واقعی از خطوط تولید و ترافیک جادهای آموزش دیده است. برای حفظ واقعگرایی، از الگوریتمهای مبتنی بر RL (یادگیری تقویتی) استفاده شده تا هندسه و کینماتیک اشیاء در ویدئوها دچار تغییر شکل نشوند. این مدلها به عنوان زیربنای World Models عمل میکنند و قادرند پیشبینی کنند که رویدادها در دنیای واقعی چگونه توسعه مییابند.
🔗 rozetked.me
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Kandinsky_WM_1 #World_Models
هوش مصنوعی و علم داده به فارسی
🎬 رونمایی از مدل ویدئوساز جدید MiniMax H3 شرکت MiniMax در حال آمادهسازی برای عرضه مدل ویدئوساز جدید خود با نام H3 است که برای پلتفرم Hailuo AI طراحی شده است. این مدل هماکنون در اختیار گروهی از تستکنندهها قرار گرفته و نمونههای خروجی آن به سرعت در حال…
🤖 انتشار وزنهای مدل ویدئویی قدرتمند MiniMax H3
شرکت MiniMax به وعده خود عمل کرد و وزنهای مدل ویدئویی H3 را منتشر کرد. این مدل 33 میلیارد پارامتری قادر است ویدئوهایی ۴ تا ۱۵ ثانیهای با نرخ ۲۴ فریم بر ثانیه و صدای استریو ۳۲ کیلوهرتز تولید کند. معماری این مدل یک Omni Transformer یکپارچه است که شامل هسته مشترک DiT (مدل دیفیوژن مبتنی بر ترنسفورمر) با ۵۰ لایه بوده و همزمان ویدئو و صوت را با همگامسازی بالا تولید میکند.
⚡️ بخش H3-Base در دو نسخه عرضه شده است. مدل FL2VA برای تولید ویدئو از ابتدا یا حد فاصل بین دو فریم، و مدل Ref2VA برای دریافت ورودیهای ترکیبی (تا ۱۲ فایل شامل تصویر، ویدئو و صوت) طراحی شدهاند. اگرچه ماژولهای پیشپردازش و ارتقای 2K همچنان بسته هستند، اما این مدل در بنچمارکهای Artificial Analysis جایگاههای برتر در ویرایش و تولید ویدئو را کسب کرده است.
🤗 Hugging Face
🤗 Hugging Face
🔗 GitHub
🔗 GitHub
#MiniMax_H3 #Omni_Transformer
شرکت MiniMax به وعده خود عمل کرد و وزنهای مدل ویدئویی H3 را منتشر کرد. این مدل 33 میلیارد پارامتری قادر است ویدئوهایی ۴ تا ۱۵ ثانیهای با نرخ ۲۴ فریم بر ثانیه و صدای استریو ۳۲ کیلوهرتز تولید کند. معماری این مدل یک Omni Transformer یکپارچه است که شامل هسته مشترک DiT (مدل دیفیوژن مبتنی بر ترنسفورمر) با ۵۰ لایه بوده و همزمان ویدئو و صوت را با همگامسازی بالا تولید میکند.
⚡️ بخش H3-Base در دو نسخه عرضه شده است. مدل FL2VA برای تولید ویدئو از ابتدا یا حد فاصل بین دو فریم، و مدل Ref2VA برای دریافت ورودیهای ترکیبی (تا ۱۲ فایل شامل تصویر، ویدئو و صوت) طراحی شدهاند. اگرچه ماژولهای پیشپردازش و ارتقای 2K همچنان بسته هستند، اما این مدل در بنچمارکهای Artificial Analysis جایگاههای برتر در ویرایش و تولید ویدئو را کسب کرده است.
🤗 Hugging Face
🤗 Hugging Face
🔗 GitHub
🔗 GitHub
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#MiniMax_H3 #Omni_Transformer
❤1
🤖 معرفی LFM2.5-2.6B: عامل هوشمند بهینه برای اجرا روی موبایل
شرکت Liquid AI مدل جدید LFM2.5-2.6B را با ۲.۶ میلیارد پارامتر معرفی کرده که به طور ویژه برای اجرای محلی (Local) روی دستگاههای موبایل و سیستمهای کلاینت بهینهسازی شده است. این مدل با بهرهگیری از ۳۴ تریلیون توکن آموزشی و پنجره بافت (Context Window) بزرگ ۱۲۸ هزار توکنی، توانایی بالایی در برنامهریزی، فراخوانی ابزارها و اجرای وظایف چندمرحلهای بدون نیاز به API ابری دارد.
🔬 فرآیند آموزش این مدل شامل یک مرحله پیشرفته On-policy Distillation است که در آن دانش مدلهای متخصص در حوزههای ریاضی، کدنویسی و استفاده از ابزار، به این مدل فشرده منتقل شده است. خروجی نهایی در محیطهای عملیاتی مانند Hermes Agent و OpenClaw تست شده و در بسیاری از بنچمارکهای «پیروی از دستورات» و «استفاده از ابزار»، مدلهای بزرگتری نظیر سری Gemma و Qwen را با اختلاف معناداری پشت سر میگذارد.
🔗 liquid.ai
#LFM2_5 #On_policy_distillation
شرکت Liquid AI مدل جدید LFM2.5-2.6B را با ۲.۶ میلیارد پارامتر معرفی کرده که به طور ویژه برای اجرای محلی (Local) روی دستگاههای موبایل و سیستمهای کلاینت بهینهسازی شده است. این مدل با بهرهگیری از ۳۴ تریلیون توکن آموزشی و پنجره بافت (Context Window) بزرگ ۱۲۸ هزار توکنی، توانایی بالایی در برنامهریزی، فراخوانی ابزارها و اجرای وظایف چندمرحلهای بدون نیاز به API ابری دارد.
🔬 فرآیند آموزش این مدل شامل یک مرحله پیشرفته On-policy Distillation است که در آن دانش مدلهای متخصص در حوزههای ریاضی، کدنویسی و استفاده از ابزار، به این مدل فشرده منتقل شده است. خروجی نهایی در محیطهای عملیاتی مانند Hermes Agent و OpenClaw تست شده و در بسیاری از بنچمارکهای «پیروی از دستورات» و «استفاده از ابزار»، مدلهای بزرگتری نظیر سری Gemma و Qwen را با اختلاف معناداری پشت سر میگذارد.
🔗 liquid.ai
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#LFM2_5 #On_policy_distillation
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 معرفی ابزار OpenWorker از اندرو انجی
🌟 پروژه OpenWorker به عنوان یک همکار هوشمند متنباز توسط Andrew Ng برای خودکارسازی وظایف کاری معرفی شد. این سیستم با دریافت دستورات کاربر، تسکهای پیچیده را به گامهای اجرایی تقسیم کرده و خروجیهای نهایی مانند تدوین اسناد یا مدیریت ایمیلها را تحویل میدهد.
⚡ این ایجنت هوشمند توانایی تعامل با بیش از 25 سرویس کاربردی از جمله GitHub، Jira، Notion، Slack و Google Calendar را دارد. اندرو انجی با این ابزار به دنبال ارائه جایگزینی مستقل از فروشنده (vendor-neutral) برای ابزارهای مشابه است.
🧠 یکی از ویژگیهای کلیدی این پروژه عدم وابستگی به مدل خاص است. کاربران میتوانند از طریق کلیدهای API به طیف گستردهای از مدلها مانند OpenAI، Anthropic، Google، DeepSeek، Mistral، Qwen یا حتی اجرای محلی توسط Ollama به آن متصل شوند.
🚀 این ابزار هماکنون در مرحله Open Beta قرار دارد.
#OpenWorker #AndrewNg
🌟 پروژه OpenWorker به عنوان یک همکار هوشمند متنباز توسط Andrew Ng برای خودکارسازی وظایف کاری معرفی شد. این سیستم با دریافت دستورات کاربر، تسکهای پیچیده را به گامهای اجرایی تقسیم کرده و خروجیهای نهایی مانند تدوین اسناد یا مدیریت ایمیلها را تحویل میدهد.
⚡ این ایجنت هوشمند توانایی تعامل با بیش از 25 سرویس کاربردی از جمله GitHub، Jira، Notion، Slack و Google Calendar را دارد. اندرو انجی با این ابزار به دنبال ارائه جایگزینی مستقل از فروشنده (vendor-neutral) برای ابزارهای مشابه است.
🧠 یکی از ویژگیهای کلیدی این پروژه عدم وابستگی به مدل خاص است. کاربران میتوانند از طریق کلیدهای API به طیف گستردهای از مدلها مانند OpenAI، Anthropic، Google، DeepSeek، Mistral، Qwen یا حتی اجرای محلی توسط Ollama به آن متصل شوند.
🚀 این ابزار هماکنون در مرحله Open Beta قرار دارد.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#OpenWorker #AndrewNg
❤1
هوش مصنوعی و علم داده به فارسی
🤖 دستاورد بزرگ OpenAI در حل مسائل کلاسیک ریاضی 🚀 تیم تحقیقاتی OpenAI بهتازگی نتایج خیرهکنندهای را توسط مدل داخلی خود با نام Astra منتشر کرده است. این مدل توانسته است ده مسئله ریاضی را که دههها حلنشده باقی مانده بودند، با موفقیت حل کند و استدلالهای…
🚀 پیشبینی حل مسائل اردوش تا سال ۲۰۲۸
🔬 بررسی روند حل مسائل اردوش (Erdős problems) نشان میدهد که سال ۲۰۲۶ نقطه عطفی در تاریخ این چالشهای ریاضی بوده است. تا پایان سال ۲۰۲۵ حدود ۳۹.۶ درصد این مسائل حل شده بودند، اما دادههای سال ۲۰۲۶ نشاندهنده رشد خیرهکننده به ۴۶.۴ درصد است. با تداوم این شتاب، پیشبینی میشود تا پایان سال جاری میلادی، نرخ حل مسائل به بیش از ۵۰ درصد برسد.
📊 تحلیلها حکایت از آن دارد که در صورت حفظ این نرخ پیشرفت، تمامی مسائل اردوش ممکن است تا سال ۲۰۲۸ به طور کامل حل شوند. نکته قابلتوجه، نقش کلیدی هوش مصنوعی در این موفقیتهاست که توانسته حتی در پیچیدهترین و کممطالعهشدهترین حوزهها نیز اثرگذار باشد.
🧠 در میان سیستمهای مختلف هوش مصنوعی، مدلهای OpenAI با حل بیش از ۲۳۴ مسئله، پیشتاز بلامنازع این رقابت هستند. پس از آن، مدلهای خانواده Claude با ۵۷ مورد، سیستمهای ایجنت با ۳۶ مورد، Harmonic Aristotle با ۳۳ مورد و DeepMind با ۲۷ مسئله قرار دارند.
#مسائل_اردوش #OpenAI
🔬 بررسی روند حل مسائل اردوش (Erdős problems) نشان میدهد که سال ۲۰۲۶ نقطه عطفی در تاریخ این چالشهای ریاضی بوده است. تا پایان سال ۲۰۲۵ حدود ۳۹.۶ درصد این مسائل حل شده بودند، اما دادههای سال ۲۰۲۶ نشاندهنده رشد خیرهکننده به ۴۶.۴ درصد است. با تداوم این شتاب، پیشبینی میشود تا پایان سال جاری میلادی، نرخ حل مسائل به بیش از ۵۰ درصد برسد.
📊 تحلیلها حکایت از آن دارد که در صورت حفظ این نرخ پیشرفت، تمامی مسائل اردوش ممکن است تا سال ۲۰۲۸ به طور کامل حل شوند. نکته قابلتوجه، نقش کلیدی هوش مصنوعی در این موفقیتهاست که توانسته حتی در پیچیدهترین و کممطالعهشدهترین حوزهها نیز اثرگذار باشد.
🧠 در میان سیستمهای مختلف هوش مصنوعی، مدلهای OpenAI با حل بیش از ۲۳۴ مسئله، پیشتاز بلامنازع این رقابت هستند. پس از آن، مدلهای خانواده Claude با ۵۷ مورد، سیستمهای ایجنت با ۳۶ مورد، Harmonic Aristotle با ۳۳ مورد و DeepMind با ۲۷ مسئله قرار دارند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#مسائل_اردوش #OpenAI
🤖 تحلیل نرخ توهم در مدلهای زبانی بزرگ
📊 بنچمارک جدیدی از پلتفرم Artificial Analysis منتشر شده که عملکرد ۴۶۱ مدل هوش مصنوعی را از نظر نرخ توهم (Hallucination Rate) بررسی میکند. این شاخص، میزان تکرار پاسخهای نادرست مدل در موقعیتهایی که باید به «نمیدانم» اعتراف میکرد را اندازهگیری میکند.
⚡ نتایج بسیار تأملبرانگیز است و تفاوت عملکرد فاحشی میان مدلها دیده میشود. در صدر لیست، مدل Command A+ با تنها ۱۴٪ نرخ توهم بهترین عملکرد را دارد و پس از آن MiniMax-M3 با ۱۶٪ در رتبه دوم جای گرفته است.
🧠 برخلاف تصورات رایج، بسیاری از مدلهای مشهور در نیمه پایین جدول قرار دارند. مدلهای Claude 5 با ۳۷٪ و نسخههای مختلف Claude Opus تا ۵۰٪ خطا در این ارزیابی دیده میشوند. در انتهای لیست، مدلهای GPT-5.6 و برخی نسخههای DeepSeek با نرخ خطای خیرهکننده ۸۰٪ تا ۹۰٪ بیشترین میزان توهم را نشان دادهاند.
#MiniMax_M3 #Hallucination_Rate
📊 بنچمارک جدیدی از پلتفرم Artificial Analysis منتشر شده که عملکرد ۴۶۱ مدل هوش مصنوعی را از نظر نرخ توهم (Hallucination Rate) بررسی میکند. این شاخص، میزان تکرار پاسخهای نادرست مدل در موقعیتهایی که باید به «نمیدانم» اعتراف میکرد را اندازهگیری میکند.
⚡ نتایج بسیار تأملبرانگیز است و تفاوت عملکرد فاحشی میان مدلها دیده میشود. در صدر لیست، مدل Command A+ با تنها ۱۴٪ نرخ توهم بهترین عملکرد را دارد و پس از آن MiniMax-M3 با ۱۶٪ در رتبه دوم جای گرفته است.
🧠 برخلاف تصورات رایج، بسیاری از مدلهای مشهور در نیمه پایین جدول قرار دارند. مدلهای Claude 5 با ۳۷٪ و نسخههای مختلف Claude Opus تا ۵۰٪ خطا در این ارزیابی دیده میشوند. در انتهای لیست، مدلهای GPT-5.6 و برخی نسخههای DeepSeek با نرخ خطای خیرهکننده ۸۰٪ تا ۹۰٪ بیشترین میزان توهم را نشان دادهاند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#MiniMax_M3 #Hallucination_Rate
⚡ ⌨️ افزایش بهرهوری در اکسل با کلیدهای میانبر
🚀 اگر به صورت روزمره با نرمافزار Excel سر و کار دارید، یادگیری کلیدهای میانبر برای ارتقای سرعت و کاهش نیاز به ماوس ضروری است. تسلط بر این دستورات نه تنها خستگی را حین کار کاهش میدهد، بلکه دقت و بهرهوری شما را در تحلیل دادهها به طرز چشمگیری افزایش میدهد.
📊 این فهرست کاربردی شامل مهمترین میانبرهایی است که هر متخصص داده باید به خاطر بسپارد تا با تسلط کامل بر محیط کاری، فرآیند تحلیل را بهینهتر پیش ببرد:
#Excel #AutoSum
🚀 اگر به صورت روزمره با نرمافزار Excel سر و کار دارید، یادگیری کلیدهای میانبر برای ارتقای سرعت و کاهش نیاز به ماوس ضروری است. تسلط بر این دستورات نه تنها خستگی را حین کار کاهش میدهد، بلکه دقت و بهرهوری شما را در تحلیل دادهها به طرز چشمگیری افزایش میدهد.
📊 این فهرست کاربردی شامل مهمترین میانبرهایی است که هر متخصص داده باید به خاطر بسپارد تا با تسلط کامل بر محیط کاری، فرآیند تحلیل را بهینهتر پیش ببرد:
🔹 مدیریت فایل و ویرایش: ترکیبات Ctrl+C، Ctrl+V، Ctrl+Z، Ctrl+S، Ctrl+F و Ctrl+H برای عملیات پایه، F2 برای ویرایش سلول و Ctrl+1 جهت دسترسی به پنجره Format Cells.
🔹 کار با جداول و فیلترها: استفاده از Ctrl+T برای تبدیل سریع محدوده به Table و Ctrl+Shift+L برای فعالسازی سریع فیلترها در دیتاسِت.
🔹 فرمولنویسی و درج داده: میانبر Alt+= برای AutoSum، Ctrl+; برای درج تاریخ روز و Ctrl+Shift+; برای ثبت ساعت فعلی در سیستم.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Excel #AutoSum
💰 سرمایهگذاری عظیم ۲۰۰ میلیارد دلاری گوگل در زیرساخت هوش مصنوعی
⚡ گوگل در اقدامی استراتژیک برای تقویت زیرساختهای محاسباتی خود، پروژهای به ارزش تقریبی ۲۰۰ میلیارد دلار را کلید زده است. این سرمایهگذاری سنگین با هدف توسعه زیرساختهای لازم برای پشتیبانی از مدلهای هوش مصنوعی، بهویژه تقویت همکاری با شرکت Anthropic انجام میشود.
🧠 بخش عمده این بودجه، حدود ۱۵۰ میلیارد دلار، به توسعه و تولید تراشههای اختصاصی TPU (واحد پردازش تنسور گوگل برای تسریع محاسبات یادگیری ماشین) اختصاص یافته است. این تراشهها نقش حیاتی در ارتقای توان پردازشی برای پردازشهای سنگین AI ایفا میکنند.
🚀 همچنین ۵۰ میلیارد دلار باقیمانده صرف ساخت و گسترش دیتاسنترهای فوقمدرن خواهد شد تا ظرفیت ابری گوگل برای پاسخگویی به تقاضای فزاینده مدلهای زبانی بزرگ افزایش یابد.
#TPU #Anthropic
⚡ گوگل در اقدامی استراتژیک برای تقویت زیرساختهای محاسباتی خود، پروژهای به ارزش تقریبی ۲۰۰ میلیارد دلار را کلید زده است. این سرمایهگذاری سنگین با هدف توسعه زیرساختهای لازم برای پشتیبانی از مدلهای هوش مصنوعی، بهویژه تقویت همکاری با شرکت Anthropic انجام میشود.
🧠 بخش عمده این بودجه، حدود ۱۵۰ میلیارد دلار، به توسعه و تولید تراشههای اختصاصی TPU (واحد پردازش تنسور گوگل برای تسریع محاسبات یادگیری ماشین) اختصاص یافته است. این تراشهها نقش حیاتی در ارتقای توان پردازشی برای پردازشهای سنگین AI ایفا میکنند.
🚀 همچنین ۵۰ میلیارد دلار باقیمانده صرف ساخت و گسترش دیتاسنترهای فوقمدرن خواهد شد تا ظرفیت ابری گوگل برای پاسخگویی به تقاضای فزاینده مدلهای زبانی بزرگ افزایش یابد.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#TPU #Anthropic
🌐 رونمایی از ابزار مترجم اختصاصی ChatGPT
شرکت OpenAI از ابزار جدید ChatGPT Translate رونمایی کرد که یک محیط متمرکز و بهینه
🔗 chatgpt.com/translate
#ChatGPT_Translate #OpenAI
شرکت OpenAI از ابزار جدید ChatGPT Translate رونمایی کرد که یک محیط متمرکز و بهینه
🔗 chatgpt.com/translate
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#ChatGPT_Translate #OpenAI
🎤 جزئیات فنی معماری صوتی GPT-Live
⚡ کمپانی OpenAI به تازگی از راهکارهای فنی پشتصحنه در GPT-Live برای دستیابی به مکالمات صوتی فوقالعاده طبیعی پردهبرداری کرد. برخلاف مدلهای سنتی که منتظر اتمام صحبت کاربر میمانند، این سیستم از صوت پیوسته بهره میبرد که امکان گوش دادن و صحبت کردن همزمان را فراهم میکند.
🧠 پردازشهای سنگین شامل استدلالهای پیچیده و فراخوانی ابزارها به صورت غیرهمگام در پسزمینه اجرا میشوند. این رویکرد به همراه یک مدل سریعتر باعث میشود مکالمه بدون وقفههای آزاردهنده ادامه یابد و حس تعامل با یک انسان واقعی تداعی شود.
🚀 زیرساخت صوتی برای کاهش تأخیر (Latency) به زبان Go بازنویسی شده است. طبق اعلام این تیم، کندترین پاسخهای سیستم فعلی، به سرعتِ میانگین پاسخهای نسخه قبلی رسیده است که جهشی چشمگیر در بهینهسازی عملکرد محسوب میشود.
📊 برای مدیریت مکالمات طولانی، سیستم به صورت هوشمند و بدون ایجاد وقفه، به مدلی سوئیچ میکند که از قبل به تاریخچه چت دسترسی دارد.
#GPT_Live #WARP
⚡ کمپانی OpenAI به تازگی از راهکارهای فنی پشتصحنه در GPT-Live برای دستیابی به مکالمات صوتی فوقالعاده طبیعی پردهبرداری کرد. برخلاف مدلهای سنتی که منتظر اتمام صحبت کاربر میمانند، این سیستم از صوت پیوسته بهره میبرد که امکان گوش دادن و صحبت کردن همزمان را فراهم میکند.
🧠 پردازشهای سنگین شامل استدلالهای پیچیده و فراخوانی ابزارها به صورت غیرهمگام در پسزمینه اجرا میشوند. این رویکرد به همراه یک مدل سریعتر باعث میشود مکالمه بدون وقفههای آزاردهنده ادامه یابد و حس تعامل با یک انسان واقعی تداعی شود.
🚀 زیرساخت صوتی برای کاهش تأخیر (Latency) به زبان Go بازنویسی شده است. طبق اعلام این تیم، کندترین پاسخهای سیستم فعلی، به سرعتِ میانگین پاسخهای نسخه قبلی رسیده است که جهشی چشمگیر در بهینهسازی عملکرد محسوب میشود.
📊 برای مدیریت مکالمات طولانی، سیستم به صورت هوشمند و بدون ایجاد وقفه، به مدلی سوئیچ میکند که از قبل به تاریخچه چت دسترسی دارد.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#GPT_Live #WARP
❤1
This media is not supported in your browser
VIEW IN TELEGRAM
🚀 رونمایی از مدل هوش مصنوعی FLUX 3 Video
شرکت Black Forest Labs با معرفی مدل چندوجهی (Multimodal) جدید خود، استانداردهای تولید ویدیو را ارتقا داد. مدل FLUX 3 Video قادر است ویدیوهایی تا سقف ۲۰ ثانیه را با ترکیب چندین صحنه و تغییر زوایای دوربین تنها در یک مرحله پردازش (Single pass) تولید کند.
⚡ یکی از ویژگیهای فنی برجسته این مدل، تولید همزمان صدا، گفتار، لهجه و همگامسازی دقیق لب (Lip-sync) است که خروجیهای بسیار واقعگرایانهای ارائه میدهد. با بهرهگیری از معماری جدید، امکان ادامهسازی (Extension) کلیپها از آخرین فریم وجود دارد که پایداری حرکت و منطق روایی صحنه را بهخوبی حفظ میکند.
🧩 قابلیت نوآورانه Draft Mode نیز به کاربران اجازه میدهد ابتدا پیشنویسهای اقتصادی تهیه کرده و پس از انتخاب گزینه مطلوب، رندر نهایی را با کیفیت کامل دریافت کنند.
#FLUX_3_Video #Lip_sync
شرکت Black Forest Labs با معرفی مدل چندوجهی (Multimodal) جدید خود، استانداردهای تولید ویدیو را ارتقا داد. مدل FLUX 3 Video قادر است ویدیوهایی تا سقف ۲۰ ثانیه را با ترکیب چندین صحنه و تغییر زوایای دوربین تنها در یک مرحله پردازش (Single pass) تولید کند.
⚡ یکی از ویژگیهای فنی برجسته این مدل، تولید همزمان صدا، گفتار، لهجه و همگامسازی دقیق لب (Lip-sync) است که خروجیهای بسیار واقعگرایانهای ارائه میدهد. با بهرهگیری از معماری جدید، امکان ادامهسازی (Extension) کلیپها از آخرین فریم وجود دارد که پایداری حرکت و منطق روایی صحنه را بهخوبی حفظ میکند.
🧩 قابلیت نوآورانه Draft Mode نیز به کاربران اجازه میدهد ابتدا پیشنویسهای اقتصادی تهیه کرده و پس از انتخاب گزینه مطلوب، رندر نهایی را با کیفیت کامل دریافت کنند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#FLUX_3_Video #Lip_sync
🔥 جهش ۴۱ درصدی سرعت آموزش مدلها با Mixture-of-Kittens
🚀 تیم Cursor بهتازگی پروژه متنباز Mixture-of-Kittens را منتشر کرده است؛ یک «مگاکرنل» (Kernel بهینهساز سطح پایین) برای مدلهای MoE که موفق شده بدون نیاز به ارتقای سختافزار، سرعت آموزش را تا ۴۱ درصد افزایش دهد.
🔬 در مدلهای MoE، انتقال توکنها بین GPUها به گلوگاهی جدی تبدیل شده بود. این ابزار تمامی مراحل ارسال توکن، محاسبات، جمعآوری نتایج و همگامسازی را در یک چرخه واحد CUDA ادغام میکند تا محاسبات و انتقال دادهها به صورت همزمان انجام شوند.
⚡ تغییر کلیدی در این پروژه، انتقال از معماری push به pull است؛ بهطوریکه هر چیپ توکنهای موردنیاز خود را مستقیماً فراخوانی میکند. این رویکرد باعث افزایش ۲۹ درصدی پهنای باند NVLink و کاهش ۵.۸ برابری تأخیر در انتظار (Latency) شده است.
📊 تستهای انجامشده بر روی سیستم GB300 NVL72 دستاوردهای چشمگیری را ثبت کرده است.
#Mixture_of_Kittens #NVLink
🚀 تیم Cursor بهتازگی پروژه متنباز Mixture-of-Kittens را منتشر کرده است؛ یک «مگاکرنل» (Kernel بهینهساز سطح پایین) برای مدلهای MoE که موفق شده بدون نیاز به ارتقای سختافزار، سرعت آموزش را تا ۴۱ درصد افزایش دهد.
🔬 در مدلهای MoE، انتقال توکنها بین GPUها به گلوگاهی جدی تبدیل شده بود. این ابزار تمامی مراحل ارسال توکن، محاسبات، جمعآوری نتایج و همگامسازی را در یک چرخه واحد CUDA ادغام میکند تا محاسبات و انتقال دادهها به صورت همزمان انجام شوند.
⚡ تغییر کلیدی در این پروژه، انتقال از معماری push به pull است؛ بهطوریکه هر چیپ توکنهای موردنیاز خود را مستقیماً فراخوانی میکند. این رویکرد باعث افزایش ۲۹ درصدی پهنای باند NVLink و کاهش ۵.۸ برابری تأخیر در انتظار (Latency) شده است.
📊 تستهای انجامشده بر روی سیستم GB300 NVL72 دستاوردهای چشمگیری را ثبت کرده است.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Mixture_of_Kittens #NVLink
👾 ابزار OmniRoute: جایگزینی قدرتمند برای مسیریابی مدلهای هوش مصنوعی
اگر در حال استفاده از 9router هستید، پروژه OmniRoute با امکاناتی بسیار گستردهتر به میدان آمده است. این ابزار با پشتیبانی از ۲۰۰ پروایدر مختلف که ۹۰ مورد آن رایگان است، به شما اجازه میدهد تا با استفاده از استراتژیهای مسیریابی هوشمند، تا ۹۵ درصد در مصرف توکن صرفهجویی کنید.
🚀 یکی از ویژگیهای متمایز این ابزار، قابلیت نصب روی Termux است که به شما اجازه میدهد آن را روی گوشی اجرا کرده و به عنوان یک مودم جیبی اختصاصی استفاده کنید. برای افزودن اکانتها نیز نیازی به Api Key نبوده و میتوانید بهسادگی از Cookie Session استفاده کنید.
🧠 این پروژه در مقایسه با رقبا، امکانات منحصربهفردی نظیر ۱۲ موتور فشردهسازی توکن، حافظه پایدار، پروتکل عامل A2A و محافظهای امنیتی (Guardrails) را ارائه میدهد.
🔗 GitHub
#OmniRoute #Termux
اگر در حال استفاده از 9router هستید، پروژه OmniRoute با امکاناتی بسیار گستردهتر به میدان آمده است. این ابزار با پشتیبانی از ۲۰۰ پروایدر مختلف که ۹۰ مورد آن رایگان است، به شما اجازه میدهد تا با استفاده از استراتژیهای مسیریابی هوشمند، تا ۹۵ درصد در مصرف توکن صرفهجویی کنید.
🚀 یکی از ویژگیهای متمایز این ابزار، قابلیت نصب روی Termux است که به شما اجازه میدهد آن را روی گوشی اجرا کرده و به عنوان یک مودم جیبی اختصاصی استفاده کنید. برای افزودن اکانتها نیز نیازی به Api Key نبوده و میتوانید بهسادگی از Cookie Session استفاده کنید.
🧠 این پروژه در مقایسه با رقبا، امکانات منحصربهفردی نظیر ۱۲ موتور فشردهسازی توکن، حافظه پایدار، پروتکل عامل A2A و محافظهای امنیتی (Guardrails) را ارائه میدهد.
🔗 GitHub
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#OmniRoute #Termux