🚀 تحول در تولید ویدیو با Wan 3.0
تیم علیبابا از مدل جدید ویدیویی خود به نام Wan 3.0 رونمایی کرد که امکان ساخت ویدیوهای ۳۰ ثانیهای را در یک مرحله فراهم میکند. این مدل با حذف نیاز به چسباندن کلیپهای کوتاه، جهشی بزرگ در کیفیت خروجیها ایجاد کرده است.
مهمترین قابلیتهای این مدل:
• پردازش انواع فایلها از جمله PDF، DOC و Markdown
• پشتیبانی از ورودیهای ترکیبی متن، تصویر، ویدیو و صدا
• حفظ دقیق کاراکترها و سبک هنری در سکانسهای متوالی
• قابلیت ویرایش هوشمند نور، پسزمینه و اشیاء در ویدیو
• تولید صدای همگامسازی شده و افکتهای استریو
این ابزار با درک محتوای اسناد و فایلهای متنی، میتواند ایدههای شما را به ویدیوهای تبلیغاتی یا آموزشی تبدیل کند. در حال حاضر این مدل در مرحله آزمایش عمومی قرار دارد و میتوانید از طریق Alibaba Cloud Model Studio یا پلتفرم Qwen Cloud آن را تست کنید.
آیا تا به حال این مدل را برای ساخت ویدیو امتحان کردهاید؟ تجربه خود را در کامنتها با ما به اشتراک بگذارید.
تیم علیبابا از مدل جدید ویدیویی خود به نام Wan 3.0 رونمایی کرد که امکان ساخت ویدیوهای ۳۰ ثانیهای را در یک مرحله فراهم میکند. این مدل با حذف نیاز به چسباندن کلیپهای کوتاه، جهشی بزرگ در کیفیت خروجیها ایجاد کرده است.
مهمترین قابلیتهای این مدل:
• پردازش انواع فایلها از جمله PDF، DOC و Markdown
• پشتیبانی از ورودیهای ترکیبی متن، تصویر، ویدیو و صدا
• حفظ دقیق کاراکترها و سبک هنری در سکانسهای متوالی
• قابلیت ویرایش هوشمند نور، پسزمینه و اشیاء در ویدیو
• تولید صدای همگامسازی شده و افکتهای استریو
این ابزار با درک محتوای اسناد و فایلهای متنی، میتواند ایدههای شما را به ویدیوهای تبلیغاتی یا آموزشی تبدیل کند. در حال حاضر این مدل در مرحله آزمایش عمومی قرار دارد و میتوانید از طریق Alibaba Cloud Model Studio یا پلتفرم Qwen Cloud آن را تست کنید.
آیا تا به حال این مدل را برای ساخت ویدیو امتحان کردهاید؟ تجربه خود را در کامنتها با ما به اشتراک بگذارید.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی#Wan_3 #Alibaba_Cloud
📩 ارتباط با ما
This media is not supported in your browser
VIEW IN TELEGRAM
🚀 جهش خیرهکننده FLUX 3 در دنیای ویدئو
مدل ویدئوساز FLUX 3 Video موفق شد با کسب امتیاز Elo 1325 در جایگاه دوم رتبهبندی جهانی Video Arena قرار بگیرد و رقبای قدرتمندی همچون MiniMax H3 را پشت سر بگذارد.
به همین مناسبت، تیم Black Forest Labs دسترسی رایگان به ابزار خود را تا پایان روز یکشنبه فراهم کرده است. شما میتوانید از طریق داشبورد رسمی FLUX برای تجربه این مدل اقدام کنید.
نکته مهم این است که به دلیل ترافیک بسیار بالا، سیستم در لحظات پیک با خطای ثبتنام مواجه میشود. اگر با خطا مواجه شدید، پیشنهاد میشود در ساعات خلوتتر شبانهروز برای ورود اقدام کنید.
توسعهدهندگان این مدل وعده دادهاند که در آپدیتهای بعدی، قابلیتهایی نظیر خروجی 4K، ابزارهای ویرایش ویدئو و امکان استفاده از چندین تصویر یا کلیپ به عنوان رفرنس را به این پلتفرم اضافه کنند.
مدل ویدئوساز FLUX 3 Video موفق شد با کسب امتیاز Elo 1325 در جایگاه دوم رتبهبندی جهانی Video Arena قرار بگیرد و رقبای قدرتمندی همچون MiniMax H3 را پشت سر بگذارد.
به همین مناسبت، تیم Black Forest Labs دسترسی رایگان به ابزار خود را تا پایان روز یکشنبه فراهم کرده است. شما میتوانید از طریق داشبورد رسمی FLUX برای تجربه این مدل اقدام کنید.
نکته مهم این است که به دلیل ترافیک بسیار بالا، سیستم در لحظات پیک با خطای ثبتنام مواجه میشود. اگر با خطا مواجه شدید، پیشنهاد میشود در ساعات خلوتتر شبانهروز برای ورود اقدام کنید.
توسعهدهندگان این مدل وعده دادهاند که در آپدیتهای بعدی، قابلیتهایی نظیر خروجی 4K، ابزارهای ویرایش ویدئو و امکان استفاده از چندین تصویر یا کلیپ به عنوان رفرنس را به این پلتفرم اضافه کنند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی#FLUX3_Video #Video_Arena
📩 ارتباط با ما
❤1
Forwarded from هوش مصنوعی و علم داده به فارسی
🏴ایام سوگواری شهادت رسول اکرم حضرت محمد (صلی الله علیه و آله) ، امام حسن مجتبی و امام رضا (علیهما السلام) تسلیت باد.
📊👨🏫 @DataPlusScience | @Data➕Science
📊👨🏫 @DataPlusScience | @Data➕Science
❤8
Media is too big
VIEW IN TELEGRAM
🤖 قدرت کلونی عاملها: فراتر از گزارشهای متنی
وقتی ۳۰۰ عامل هوشمند (Agent) را همزمان برای تحقیق اجرا میکنید، خروجی معمولاً تلی از اسناد مجزا است که تحلیل ارتباط میان آنها از توان ذهنی انسان خارج است؛ برای مثال، ۱۰۰ دارایی میتوانند نزدیک به ۵,۰۰۰ اتصال بالقوه با یکدیگر داشته باشند.
اما رویکرد نوین در سیستمهایی مانند Kimi agent swarm، تبدیل خروجیها به یک گراف ارتباطی یکپارچه است. هر دارایی یا کیفپول به یک گره (Node) و هر تعامل به یک یال (Edge) تبدیل میشود تا به جای ۳۰۰ سند، یک نقشه واحد دریافت کنید.
این ساختار میتواند نقاط شکست پنهان را در پرتفوی شما آشکار کند؛ وابستگیهایی که شاید فکر میکردید مستقل هستند اما به یک بازارساز یا پل ارتباطی مشترک متصلاند. این همان الگوهای پنهانی است که صندوقهای بزرگی مانند Renaissance برای کشف آنها هزینههای سنگینی میپردازند.
وقتی ۳۰۰ عامل هوشمند (Agent) را همزمان برای تحقیق اجرا میکنید، خروجی معمولاً تلی از اسناد مجزا است که تحلیل ارتباط میان آنها از توان ذهنی انسان خارج است؛ برای مثال، ۱۰۰ دارایی میتوانند نزدیک به ۵,۰۰۰ اتصال بالقوه با یکدیگر داشته باشند.
اما رویکرد نوین در سیستمهایی مانند Kimi agent swarm، تبدیل خروجیها به یک گراف ارتباطی یکپارچه است. هر دارایی یا کیفپول به یک گره (Node) و هر تعامل به یک یال (Edge) تبدیل میشود تا به جای ۳۰۰ سند، یک نقشه واحد دریافت کنید.
این ساختار میتواند نقاط شکست پنهان را در پرتفوی شما آشکار کند؛ وابستگیهایی که شاید فکر میکردید مستقل هستند اما به یک بازارساز یا پل ارتباطی مشترک متصلاند. این همان الگوهای پنهانی است که صندوقهای بزرگی مانند Renaissance برای کشف آنها هزینههای سنگینی میپردازند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی#Kimi_Agent #گراف_ارتباطی
📩 ارتباط با ما
DS FULL ARCHIVE.pdf
37.1 MB
📂 آرشیو جامع منابع علم داده و هوش مصنوعی
مهمترین بخشهای این مجموعه تخصصی شامل موارد زیر است:
• نقشههای راه (Roadmaps): مسیرهای یادگیری گامبهگام برای شروع از صفر تا سطوح پیشرفته.
• پروژههای عملی: نمونه کدهای کاربردی و پیادهسازی شده با PyTorch و TensorFlow.
• آمادهسازی مصاحبه: مجموعهای از سوالات فنی، مباحث آماری و سناریوهای واقعی دنیای کسبوکار.
• ابزارهای تخصصی: آموزش فریمورکهای پایتون، SQL و تکنیکهای بهینهسازی مدلها.
برای تسلط بر مفاهیم علم داده و هوش مصنوعی، دسترسی به یک مرجع منظم و طبقهبندیشده از ضروریات است. این آرشیو کاربردی، کلیدیترین منابع آموزشی این حوزه را در اختیار شما قرار میدهد.
مهمترین بخشهای این مجموعه تخصصی شامل موارد زیر است:
• نقشههای راه (Roadmaps): مسیرهای یادگیری گامبهگام برای شروع از صفر تا سطوح پیشرفته.
• پروژههای عملی: نمونه کدهای کاربردی و پیادهسازی شده با PyTorch و TensorFlow.
• آمادهسازی مصاحبه: مجموعهای از سوالات فنی، مباحث آماری و سناریوهای واقعی دنیای کسبوکار.
• ابزارهای تخصصی: آموزش فریمورکهای پایتون، SQL و تکنیکهای بهینهسازی مدلها.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
❤1
🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #83 | 📌 8 آیتم گزارش | 🧾 از 14 پست بررسیشده
🕐 سهشنبه 1405/05/20 ساعت 14:00 تا چهارشنبه 1405/05/21 ساعت 14:00
🤖 نوآوری در مدلهای هوش مصنوعی
🛠 توسعه ابزارها و گردشکارها
📈 اخبار راهبردی و تحلیل داده
🗂 گزارش #83 | 📌 8 آیتم گزارش | 🧾 از 14 پست بررسیشده
🕐 سهشنبه 1405/05/20 ساعت 14:00 تا چهارشنبه 1405/05/21 ساعت 14:00
🤖 نوآوری در مدلهای هوش مصنوعی
تیم علیبابا از مدل ویدیویی Wan 3.0 رونمایی کرد. این مدل قادر است ویدیوهای ۳۰ ثانیهای را در یک مرحله تولید کرده و نیاز به چسباندن کلیپهای کوتاه را بهطور کامل حذف کند.
🔗 مشاهده پست
مدل ویدیوساز FLUX 3 با کسب امتیاز Elo 1325 در جایگاه دوم رتبهبندی جهانی قرار گرفت. تیم Black Forest Labs به همین مناسبت دسترسی رایگان محدود به این ابزار را فراهم کرده است.
🔗 مشاهده پست
محققان چینی پروژه Light Society را معرفی کردند که در آن یک میلیارد عامل هوش مصنوعی با شخصیت و حافظه منحصربهفرد، رفتارهای انسانی را در یک محیط مجازی شبیهسازی میکنند.
🔗 مشاهده پست
🛠 توسعه ابزارها و گردشکارها
ابزار WorldClaw با استفاده از گردشکار عاملمحور (Agentic Workflow)، تمامی مراحل طراحی سهبعدی از مدلسازی تا رندرینگ را با یک دستور متنی ساده به صورت خودکار انجام میدهد.
🔗 مشاهده پست
تیم Unsloth نسخه دسکتاپ نرمافزار خود را برای ویندوز، مک و لینوکس عرضه کرد تا توسعهدهندگان بتوانند مدلهای هوش مصنوعی را به راحتی روی سیستمهای شخصی آموزش داده و اجرا کنند.
🔗 مشاهده پست
ابزار Shepherd توسط محققان معرفی شده تا با الهام از سیستمهای کنترل نسخه، وضعیت ایجنتهای خودمختار را مدیریت کرده و اجرای آنها را به ردپاهای قابل بازگشت تبدیل کند.
🔗 مشاهده پست
📈 اخبار راهبردی و تحلیل داده
شرکت Anthropic در راستای قوانین اتحادیه اروپا، سیستم جدیدی برای واترمارک کردن متون تولیدشده توسط مدلهای Claude پیادهسازی کرده است که به صورت جهانی اعمال خواهد شد.
🔗 مشاهده پست
سیستم Kimi agent swarm با تبدیل خروجی صدها عامل هوشمند به یک گراف ارتباطی یکپارچه، تحلیل روابط پیچیده میان دادهها را به جای اسناد پراکنده، به شکلی ساختارمند ممکن میکند.
🔗 مشاهده پست
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
Media is too big
VIEW IN TELEGRAM
🚀 جهش خیرهکننده در تولید ویدیو با LTX-2.5
شرکت Lightricks از مدل جدید LTX-2.5 رونمایی کرد که استانداردهای سرعت در تولید ویدیو را جابهجا کرده است. این مدل میتواند یک کلیپ ۱۰ ثانیهای با کیفیت 720p را تنها در ۶.۸ ثانیه رندر کند که آن را به یکی از سریعترین مدلهای متنباز در بازار تبدیل کرده است.
از مهمترین ویژگیهای این نسخه میتوان به موارد زیر اشاره کرد:
• تولید یکپارچه صحنهها: قابلیت ساخت چند صحنه متصل در یکبار اجرا با حفظ دقیق کاراکتر و استایل.
• دیکودر پیشرفته: بهبود قابلتوجه در رفع آرتیفکتهای حرکتی.
• پشتیبانی زبانی ارتقا یافته: استفاده از Gemma 4 برای درک دقیقتر پرامپتهای پیچیده و چندسوژهای.
• آمادگی برای رباتیک: ارائه یک چکپوینت اختصاصی برای آموزش مدلهای فیزیک و رباتیک.
وزنهای این مدل هماکنون در Hugging Face در دسترس است و بلافاصله با ComfyUI یکپارچه شده است. استفاده از این مدل برای شرکتهای با درآمد کمتر از ۱۰ میلیون دلار در سال رایگان است.
شرکت Lightricks از مدل جدید LTX-2.5 رونمایی کرد که استانداردهای سرعت در تولید ویدیو را جابهجا کرده است. این مدل میتواند یک کلیپ ۱۰ ثانیهای با کیفیت 720p را تنها در ۶.۸ ثانیه رندر کند که آن را به یکی از سریعترین مدلهای متنباز در بازار تبدیل کرده است.
از مهمترین ویژگیهای این نسخه میتوان به موارد زیر اشاره کرد:
• تولید یکپارچه صحنهها: قابلیت ساخت چند صحنه متصل در یکبار اجرا با حفظ دقیق کاراکتر و استایل.
• دیکودر پیشرفته: بهبود قابلتوجه در رفع آرتیفکتهای حرکتی.
• پشتیبانی زبانی ارتقا یافته: استفاده از Gemma 4 برای درک دقیقتر پرامپتهای پیچیده و چندسوژهای.
• آمادگی برای رباتیک: ارائه یک چکپوینت اختصاصی برای آموزش مدلهای فیزیک و رباتیک.
وزنهای این مدل هماکنون در Hugging Face در دسترس است و بلافاصله با ComfyUI یکپارچه شده است. استفاده از این مدل برای شرکتهای با درآمد کمتر از ۱۰ میلیون دلار در سال رایگان است.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی#LTX_2 #Gemma_4
📩 ارتباط با ما
🚀 رونمایی از Grok Bot: نسل جدید دستیارهای خودمختار
شرکت xAI به تازگی ابزار Grok Bot را معرفی کرده است که تحولی در تعامل با هوش مصنوعی محسوب میشود. برخلاف چتباتهای معمولی، این سیستم مجموعهای از «عوامل» (Agents) هوشمند را در اختیار شما قرار میدهد که میتوانند به صورت کاملاً خودمختار و حتی در زمانی که رایانه شما خاموش است، وظایف پیچیده را انجام دهند.
هر عامل در محیط مجازی اختصاصی خود فعالیت کرده و با دسترسی به اپلیکیشنها و وبسایتهای مورد نیاز، کارهای اجرایی را پیش میبرد. از قابلیتهای کلیدی این سیستم میتوان به حافظه بلندمدت و یادگیری از طریق مشاهده (Learning by demonstration) اشاره کرد که به شما اجازه میدهد فرآیندهای تکراری را تنها یکبار به ربات آموزش دهید.
مهمترین توانمندیهای این دستیارها شامل موارد زیر است:
* مدیریت ارتباطات: پاسخدهی به ایمیلها، مدیریت اینباکس و گزارشدهی جلسات.
* بازاریابی و فروش: آمادهسازی متون تبلیغاتی و ارسال پیامهای فروش (Outreach).
* پشتیبانی مشتریان: حل تیکتها و ارجاع موارد حساس به کارشناسان.
شرکت xAI به تازگی ابزار Grok Bot را معرفی کرده است که تحولی در تعامل با هوش مصنوعی محسوب میشود. برخلاف چتباتهای معمولی، این سیستم مجموعهای از «عوامل» (Agents) هوشمند را در اختیار شما قرار میدهد که میتوانند به صورت کاملاً خودمختار و حتی در زمانی که رایانه شما خاموش است، وظایف پیچیده را انجام دهند.
هر عامل در محیط مجازی اختصاصی خود فعالیت کرده و با دسترسی به اپلیکیشنها و وبسایتهای مورد نیاز، کارهای اجرایی را پیش میبرد. از قابلیتهای کلیدی این سیستم میتوان به حافظه بلندمدت و یادگیری از طریق مشاهده (Learning by demonstration) اشاره کرد که به شما اجازه میدهد فرآیندهای تکراری را تنها یکبار به ربات آموزش دهید.
مهمترین توانمندیهای این دستیارها شامل موارد زیر است:
* مدیریت ارتباطات: پاسخدهی به ایمیلها، مدیریت اینباکس و گزارشدهی جلسات.
* بازاریابی و فروش: آمادهسازی متون تبلیغاتی و ارسال پیامهای فروش (Outreach).
* پشتیبانی مشتریان: حل تیکتها و ارجاع موارد حساس به کارشناسان.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🐹 چرا Go زبان آینده توسعه نرمافزار با هوش مصنوعی است؟
گوگل در یک گزارش جدید توضیح داده که چرا Go میتواند به زبان اصلی در عصر توسعه نرمافزار به کمک هوش مصنوعی تبدیل شود. امروزه ابزارهای هوش مصنوعی میتوانند در چند ثانیه صدها خط کد تولید کنند، اما چالش بزرگ، خواندن، بررسی و نگهداری این حجم عظیم از کدهای تولید شده است.
زبان Go از ابتدا برای کدهای بزرگ و کارهای تیمی طراحی شده است. ابزارهای استانداردی مانند
همچنین ابزارهای داخلی مانند
گوگل در یک گزارش جدید توضیح داده که چرا Go میتواند به زبان اصلی در عصر توسعه نرمافزار به کمک هوش مصنوعی تبدیل شود. امروزه ابزارهای هوش مصنوعی میتوانند در چند ثانیه صدها خط کد تولید کنند، اما چالش بزرگ، خواندن، بررسی و نگهداری این حجم عظیم از کدهای تولید شده است.
زبان Go از ابتدا برای کدهای بزرگ و کارهای تیمی طراحی شده است. ابزارهای استانداردی مانند
gofmt کدها را کاملاً یکدست میکنند و کامپایلر سریع Go بلافاصله متدهای خیالی یا خطاهای نوعداده (Type errors) را که از توهمات رایج LLMها هستند، شناسایی میکند.همچنین ابزارهای داخلی مانند
govulncheck و go fix به عاملهای هوش مصنوعی (AI Agents) اجازه میدهند بدون نیاز به ابزارهای جانبی پیچیده، کدهای خود را تست و اصلاح کنند. ساختار پیشبینیپذیر Go، خواندن کدهای تولیدشده توسط هوش مصنوعی را برای انسان بسیار آسانتر میکند.📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی#Golang #AIAgents
📩 ارتباط با ما
❤1
هوش مصنوعی و علم داده به فارسی
🔍 نشانگذاری محتوای هوش مصنوعی توسط Anthropic شرکت Anthropic بهتازگی اعلام کرده است که در راستای پایبندی به قوانین اتحادیه اروپا (AI Act)، سیستم جدیدی را برای واترمارک کردن متون تولیدشده توسط مدلهای Claude پیادهسازی میکند. این قابلیت که در مستندات رسمی…
🛡 حذف واترمارک نامرئی کلود
تکنولوژی واترمارکهای نامرئی (Invisible Watermarks) که برای شناسایی متون تولید شده توسط هوش مصنوعی استفاده میشوند، حالا با ابزارهای جدید به چالش کشیده شدهاند.
اخیراً ابزاری منتشر شده که ادعا میکند با تحلیل خروجی مدلهای زبانی مانند Claude، امضای آماری مخفی موجود در متن را حذف میکند. عملکرد این ابزار به این صورت است:
- متن تولید شده توسط Claude را دریافت میکند.
- با تغییرات جزئی در ساختار آماری کلمات، واترمارک را غیرفعال میکند.
- بدون تغییر در محتوا و معنای اصلی، متن را بازنویسی میکند.
شما میتوانید برای بررسی این قابلیت از Claude Watermark Remover استفاده کنید. این ابزار برای کسانی که میخواهند حریم خصوصی خروجیهای هوش مصنوعی خود را حفظ کنند، یک راهکار کاربردی است.
تکنولوژی واترمارکهای نامرئی (Invisible Watermarks) که برای شناسایی متون تولید شده توسط هوش مصنوعی استفاده میشوند، حالا با ابزارهای جدید به چالش کشیده شدهاند.
اخیراً ابزاری منتشر شده که ادعا میکند با تحلیل خروجی مدلهای زبانی مانند Claude، امضای آماری مخفی موجود در متن را حذف میکند. عملکرد این ابزار به این صورت است:
- متن تولید شده توسط Claude را دریافت میکند.
- با تغییرات جزئی در ساختار آماری کلمات، واترمارک را غیرفعال میکند.
- بدون تغییر در محتوا و معنای اصلی، متن را بازنویسی میکند.
شما میتوانید برای بررسی این قابلیت از Claude Watermark Remover استفاده کنید. این ابزار برای کسانی که میخواهند حریم خصوصی خروجیهای هوش مصنوعی خود را حفظ کنند، یک راهکار کاربردی است.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی#Claude #Invisible_Watermark
📩 ارتباط با ما
❤1
🔍 ردپای مدل Claude در هوش مصنوعی Kimi
تحقیقات اخیر نشان میدهد که مدل Kimi-K3 ممکن است در طول فرآیند آموزش، به دادههای استدلالی (reasoning) مدل Claude دسترسی داشته باشد. پژوهشگران با بازیابی بلوکهای استدلالی رمزگذاریشده، متوجه شدند که Kimi در مواجهه با شروع یک فرآیند استدلالی خاص از Claude، آن را با دقت بسیار بالاتری نسبت به سایر مدلها ادامه میدهد.
این یافتهها به این معناست که Kimi احتمالاً مسیرهای استدلالی مشابهی را در دادههای آموزشی خود دیده است. در آزمایشهای انجام شده با یک مسئله فیزیک کوانتوم (مدل Bose-Hubbard)، مشاهده شد که وقتی بخشی از استدلال اولیه Claude به عنوان ورودی به Kimi داده میشود، مدل دقیقاً همان منطق را دنبال میکند؛ اما در صورت نبود این ورودی، مدل مسیر استدلالی متفاوتی را انتخاب میکند.
مهمترین نکات این بررسی:
* شباهت خیرهکننده خروجی Kimi با استدلالهای پنهان مدل Opus در مسائل پیچیده.
* تاثیر مستقیم تزریق توکنهای استدلالی بر کیفیت پاسخ نهایی.
* احتمال یادگیری الگوهای حل مسئله (Chain of Thought) از طریق دادههای استخراج شده از مدلهای رقیب.📊 Data➕Science
تحقیقات اخیر نشان میدهد که مدل Kimi-K3 ممکن است در طول فرآیند آموزش، به دادههای استدلالی (reasoning) مدل Claude دسترسی داشته باشد. پژوهشگران با بازیابی بلوکهای استدلالی رمزگذاریشده، متوجه شدند که Kimi در مواجهه با شروع یک فرآیند استدلالی خاص از Claude، آن را با دقت بسیار بالاتری نسبت به سایر مدلها ادامه میدهد.
این یافتهها به این معناست که Kimi احتمالاً مسیرهای استدلالی مشابهی را در دادههای آموزشی خود دیده است. در آزمایشهای انجام شده با یک مسئله فیزیک کوانتوم (مدل Bose-Hubbard)، مشاهده شد که وقتی بخشی از استدلال اولیه Claude به عنوان ورودی به Kimi داده میشود، مدل دقیقاً همان منطق را دنبال میکند؛ اما در صورت نبود این ورودی، مدل مسیر استدلالی متفاوتی را انتخاب میکند.
مهمترین نکات این بررسی:
* شباهت خیرهکننده خروجی Kimi با استدلالهای پنهان مدل Opus در مسائل پیچیده.
* تاثیر مستقیم تزریق توکنهای استدلالی بر کیفیت پاسخ نهایی.
* احتمال یادگیری الگوهای حل مسئله (Chain of Thought) از طریق دادههای استخراج شده از مدلهای رقیب.📊 Data➕Science
🚀 تکامل تعامل با هوش مصنوعی
این روزها صحبت از Harness Engineering داغ است. اما بیایید نگاهی به روند تکامل کار با مدلهای زبانی در سال ۲۰۲۶ بیندازیم تا ببینیم چرا این تغییر مسیر اهمیت دارد:
۱. Prompt Engineering: تمرکز بر آنچه به مدل میگویید. این مرحله شامل تنظیم دستورالعملها و مثالها برای دریافت خروجی دقیق در یک مرحله است.
۲. Context Engineering: تمرکز بر آنچه به مدل میرسانید. با محدودیت پنجره متنی، هنرِ انتخاب دادههای کلیدی (مانند حافظه، مستندات و مهارتها) تعیین میکند که مدل تا چه حد هوشمندانه عمل کند.
۳. Harness Engineering: تمرکز بر آنچه پیرامون مدل میسازید. مدل به تنهایی ورودی را میگیرد و خروجی میدهد، اما Harness Engineering سیستمی میسازد که مدل را در یک حلقه تکرار قرار داده، به آن ابزارهای عملیاتی، حافظه پایدار و چارچوبهای نظارتی میدهد.
در واقع، تفاوت اصلی در این است: پرامپت و کانتکست، خوراکِ یک مرحله از گفتگو هستند؛ اما Harness سیستمی است که صدها مرحله را به هم متصل کرده و یک Agent کاربردی خلق میکند که واقعاً وظایف را به سرانجام میرساند.📊 Data➕Science
این روزها صحبت از Harness Engineering داغ است. اما بیایید نگاهی به روند تکامل کار با مدلهای زبانی در سال ۲۰۲۶ بیندازیم تا ببینیم چرا این تغییر مسیر اهمیت دارد:
۱. Prompt Engineering: تمرکز بر آنچه به مدل میگویید. این مرحله شامل تنظیم دستورالعملها و مثالها برای دریافت خروجی دقیق در یک مرحله است.
۲. Context Engineering: تمرکز بر آنچه به مدل میرسانید. با محدودیت پنجره متنی، هنرِ انتخاب دادههای کلیدی (مانند حافظه، مستندات و مهارتها) تعیین میکند که مدل تا چه حد هوشمندانه عمل کند.
۳. Harness Engineering: تمرکز بر آنچه پیرامون مدل میسازید. مدل به تنهایی ورودی را میگیرد و خروجی میدهد، اما Harness Engineering سیستمی میسازد که مدل را در یک حلقه تکرار قرار داده، به آن ابزارهای عملیاتی، حافظه پایدار و چارچوبهای نظارتی میدهد.
در واقع، تفاوت اصلی در این است: پرامپت و کانتکست، خوراکِ یک مرحله از گفتگو هستند؛ اما Harness سیستمی است که صدها مرحله را به هم متصل کرده و یک Agent کاربردی خلق میکند که واقعاً وظایف را به سرانجام میرساند.📊 Data➕Science
🚀 رونمایی از مدل Grok 4.6
شرکت SpaceXAI نسخه جدید مدل خود یعنی Grok 4.6 را منتشر کرد. این نسخه با وجود ارتقای عملکرد، همچنان با همان قیمت قبلی یعنی ۲ دلار برای ورودی و ۶ دلار برای خروجی به ازای هر میلیون توکن ارائه میشود.
توسعهدهندگان برای آموزش این مدل، مدل Grok 4.5 را با ۱.۵ تریلیون پارامتر پیشتعلیمیافته، تحت فرآیند پستعلیم (Post-train) بسیار بهینهتری قرار دادهاند. در حال حاضر محدودیت استفاده از این مدل در سرویسهای Grok Build و Cursor به مدت یک هفته دو برابر شده است. همچنین طبق وعده تیم سازنده، تا چند هفته آینده مدل Grok 4.7 با ۲ تریلیون پارامتر عرضه خواهد شد.
نتایج بنچمارکهای منتشر شده نشاندهنده پیشرفت قابل توجه این مدل نسبت به نسل قبل است. در میان مهمترین شاخصهای ارزیابی:
* شاخص AA Intelligence Index امتیاز ۶۱
* شاخص GDPVal-AA v2 امتیاز ۱۷۵۳
* شاخص CursorBench v3.2 درصد ۶۹.۹
* شاخص DeepSWE v1.1 درصد ۶۵.۹
* شاخص APEX-Agents درصد ۵۷.۵
این مدل در بسیاری از معیارهای فنی توانسته است رقبای قدرتمندی را پشت سر بگذارد و در حوزه کدنویسی و تحلیل، گام بزرگی رو به جلو بردارد.📊 Data➕Science
شرکت SpaceXAI نسخه جدید مدل خود یعنی Grok 4.6 را منتشر کرد. این نسخه با وجود ارتقای عملکرد، همچنان با همان قیمت قبلی یعنی ۲ دلار برای ورودی و ۶ دلار برای خروجی به ازای هر میلیون توکن ارائه میشود.
توسعهدهندگان برای آموزش این مدل، مدل Grok 4.5 را با ۱.۵ تریلیون پارامتر پیشتعلیمیافته، تحت فرآیند پستعلیم (Post-train) بسیار بهینهتری قرار دادهاند. در حال حاضر محدودیت استفاده از این مدل در سرویسهای Grok Build و Cursor به مدت یک هفته دو برابر شده است. همچنین طبق وعده تیم سازنده، تا چند هفته آینده مدل Grok 4.7 با ۲ تریلیون پارامتر عرضه خواهد شد.
نتایج بنچمارکهای منتشر شده نشاندهنده پیشرفت قابل توجه این مدل نسبت به نسل قبل است. در میان مهمترین شاخصهای ارزیابی:
* شاخص AA Intelligence Index امتیاز ۶۱
* شاخص GDPVal-AA v2 امتیاز ۱۷۵۳
* شاخص CursorBench v3.2 درصد ۶۹.۹
* شاخص DeepSWE v1.1 درصد ۶۵.۹
* شاخص APEX-Agents درصد ۵۷.۵
این مدل در بسیاری از معیارهای فنی توانسته است رقبای قدرتمندی را پشت سر بگذارد و در حوزه کدنویسی و تحلیل، گام بزرگی رو به جلو بردارد.📊 Data➕Science
هوش مصنوعی و علم داده به فارسی
🚀 رونمایی از مدل Grok 4.6 شرکت SpaceXAI نسخه جدید مدل خود یعنی Grok 4.6 را منتشر کرد. این نسخه با وجود ارتقای عملکرد، همچنان با همان قیمت قبلی یعنی ۲ دلار برای ورودی و ۶ دلار برای خروجی به ازای هر میلیون توکن ارائه میشود. توسعهدهندگان برای آموزش این…
🚀 ظهور قدرت جدید: Grok 4.6 در مرز هوش مصنوعی
مدل جدید Grok 4.6 با ثبت امتیاز ۶۱ در شاخص هوش مصنوعی Artificial Analysis، رسماً به جمع مدلهای پیشرو جهان پیوست. این مدل در عملکرد عاملمحور (Agentic) جهش خیرهکنندهای داشته و توانسته است خود را در کنار قدرتمندترین مدلهای فعلی بازار قرار دهد.
مهمترین نکات درباره این نسخه:
* عملکرد عاملمحور قدرتمند: کسب امتیاز درخشان در Terminal-Bench v2.1 و کارایی بالا در انجام وظایف پیچیده که آن را در ردیف رقبای تراز اول قرار میدهد.
* صرفه اقتصادی بالا: قیمتگذاری این مدل با ۲ دلار برای ورودی و ۶ دلار برای خروجی به ازای هر میلیون توکن، بسیار رقابتیتر از مدلهای مشابه مانند Claude Opus 5 و GPT-5.6 Sol است.
* بهرهوری در استدلال: این مدل در انجام تسکهای طولانی (Long-horizon) بسیار کارآمدتر از رقبا ظاهر شده و با تعداد چرخه (Turn) کمتر، خروجیهای بهینهتری ارائه میدهد.
* پایداری در زیرساخت: حفظ پنجره بافت (Context window) پانصد هزار توکنی در کنار بهبود مداوم هوشمندی مدل در مقایسه با نسخههای پیشین.
مدل جدید Grok 4.6 با ثبت امتیاز ۶۱ در شاخص هوش مصنوعی Artificial Analysis، رسماً به جمع مدلهای پیشرو جهان پیوست. این مدل در عملکرد عاملمحور (Agentic) جهش خیرهکنندهای داشته و توانسته است خود را در کنار قدرتمندترین مدلهای فعلی بازار قرار دهد.
مهمترین نکات درباره این نسخه:
* عملکرد عاملمحور قدرتمند: کسب امتیاز درخشان در Terminal-Bench v2.1 و کارایی بالا در انجام وظایف پیچیده که آن را در ردیف رقبای تراز اول قرار میدهد.
* صرفه اقتصادی بالا: قیمتگذاری این مدل با ۲ دلار برای ورودی و ۶ دلار برای خروجی به ازای هر میلیون توکن، بسیار رقابتیتر از مدلهای مشابه مانند Claude Opus 5 و GPT-5.6 Sol است.
* بهرهوری در استدلال: این مدل در انجام تسکهای طولانی (Long-horizon) بسیار کارآمدتر از رقبا ظاهر شده و با تعداد چرخه (Turn) کمتر، خروجیهای بهینهتری ارائه میدهد.
* پایداری در زیرساخت: حفظ پنجره بافت (Context window) پانصد هزار توکنی در کنار بهبود مداوم هوشمندی مدل در مقایسه با نسخههای پیشین.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
هوش مصنوعی و علم داده به فارسی
🤖 معرفی مدل قدرتمند Qwen3.8-Max با ۲.۴ تریلیون پارامتر تیم Qwen از مدل جدید خود تحت عنوان Qwen3.8-Max با ظرفیت عظیم ۲.۴ تریلیون پارامتر رونمایی کرد. این مدل بهطور اختصاصی برای توسعه نرمافزار بهصورت خودمختار (Autonomous) و مدیریت ایجنتهای کاری طراحی…
🚀 عرضه مدل قدرتمند Qwen با ۲.۴ تریلیون پارامتر
تیم Qwen به تازگی مدل غولپیکر جدید خود را با نام Qwen3.8-2.4T-A95B بر روی Hugging Face منتشر کرده است. این مدل با معماری Mixture-of-Experts (MoE) دارای ۵۱۲ متخصص است که در هر لحظه، تنها ۹۵ میلیارد پارامتر آن برای تولید توکنها فعال میشوند.
برخی از ویژگیهای کلیدی این مدل عبارتند از:
- معماری هیبریدی: استفاده از ترکیب Gated DeltaNet و Attention سنتی به همراه قابلیت Multi-Token Prediction.
- استدلال هوشمند: قابلیت تنظیم عمق تفکر مدل از طریق پارامتر
- پشتیبانی از متن طولانی: پنجره متنی ۲۶۲ هزار توکنی که قابلیت گسترش تا یک میلیون توکن را دارد.
- سازگاری بالا: امکان اجرا بر روی کتابخانههای
نتایج بنچمارکهای ارائه شده در گزارش این مدل، عملکرد خیرهکننده آن را در رقابت با مدلهای بسته (Frontier Models) نشان میدهد. این رویکرد که مدلها را به سمت تریلیونی شدن پیش میبرد اما در هر توکن تنها بخش کوچکی را فعال میکند، مسیر آینده هوش مصنوعی را در بهینهسازی محاسباتی تغییر داده است.📊 Data➕Science
تیم Qwen به تازگی مدل غولپیکر جدید خود را با نام Qwen3.8-2.4T-A95B بر روی Hugging Face منتشر کرده است. این مدل با معماری Mixture-of-Experts (MoE) دارای ۵۱۲ متخصص است که در هر لحظه، تنها ۹۵ میلیارد پارامتر آن برای تولید توکنها فعال میشوند.
برخی از ویژگیهای کلیدی این مدل عبارتند از:
- معماری هیبریدی: استفاده از ترکیب Gated DeltaNet و Attention سنتی به همراه قابلیت Multi-Token Prediction.
- استدلال هوشمند: قابلیت تنظیم عمق تفکر مدل از طریق پارامتر
reasoning_effort.- پشتیبانی از متن طولانی: پنجره متنی ۲۶۲ هزار توکنی که قابلیت گسترش تا یک میلیون توکن را دارد.
- سازگاری بالا: امکان اجرا بر روی کتابخانههای
Transformers، vLLM و SGLang.نتایج بنچمارکهای ارائه شده در گزارش این مدل، عملکرد خیرهکننده آن را در رقابت با مدلهای بسته (Frontier Models) نشان میدهد. این رویکرد که مدلها را به سمت تریلیونی شدن پیش میبرد اما در هر توکن تنها بخش کوچکی را فعال میکند، مسیر آینده هوش مصنوعی را در بهینهسازی محاسباتی تغییر داده است.📊 Data➕Science
🎨 پایانِ بههمریختگی متن فارسی در AI
اگر برای کارهای روزمره از مدلهایی مثل ChatGPT، Claude یا Gemini استفاده میکنید، احتمالاً با مشکل راستچین نبودن متن و فونتهای ناخوانا در زبان فارسی دستوپنجه نرم کردهاید. این مسئله نه تنها خوانایی را کم میکند، بلکه تمرکز را در پروژههای تحلیل داده یا برنامهنویسی کاهش میدهد.
برای حل این مشکل، افزونه کاربردی Persian for AI به شما کمک میکند. این ابزار به صورت خودکار:
• متنهای فارسی را در محیط چتباتها راستچین میکند.
• از فونت «وزیرمتن» برای بهبود خوانایی استفاده میکند.
• روی اکثر سرویسهای هوش مصنوعی محبوب فعال میشود.
استفاده از این ابزار برای کسانی که به طور مداوم با مدلهای زبانی در تعامل هستند، تجربه کاربری بسیار روانتری را ایجاد میکند.
اگر برای کارهای روزمره از مدلهایی مثل ChatGPT، Claude یا Gemini استفاده میکنید، احتمالاً با مشکل راستچین نبودن متن و فونتهای ناخوانا در زبان فارسی دستوپنجه نرم کردهاید. این مسئله نه تنها خوانایی را کم میکند، بلکه تمرکز را در پروژههای تحلیل داده یا برنامهنویسی کاهش میدهد.
برای حل این مشکل، افزونه کاربردی Persian for AI به شما کمک میکند. این ابزار به صورت خودکار:
• متنهای فارسی را در محیط چتباتها راستچین میکند.
• از فونت «وزیرمتن» برای بهبود خوانایی استفاده میکند.
• روی اکثر سرویسهای هوش مصنوعی محبوب فعال میشود.
استفاده از این ابزار برای کسانی که به طور مداوم با مدلهای زبانی در تعامل هستند، تجربه کاربری بسیار روانتری را ایجاد میکند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی#Persian_for_AI #وزیرمتن
📩 ارتباط با ما
🩺 ورود هوش مصنوعی به دنیای تشخیص بالینی
گوگل با معرفی یک مدل جدید، قدم بزرگی در حوزه پزشکی برداشته است. برخلاف مدلهای قدیمی که تنها به سوالات امتحانی پاسخ میدادند، این سیستم جدید در شبیهسازیهای پیچیده پزشکی آموزش دیده است.
در این سناریوها، بیمارانی با رفتارهای چالشبرانگیز، علائم گمراهکننده و مقاومت در برابر توصیههای درمانی طراحی شدهاند. هدف این است که مدل بیاموزد چگونه بدون عجله برای تشخیص، گامبهگام و منطقی با کیسهای بالینی برخورد کند.
برخی از مهمترین دستاوردهای این سیستم:
- کاهش ۳۱ درصدی نادیده گرفتن نشانههای حیاتی خطرناک (Red Flags)
- رسیدن به دقت ۸۸ درصدی در تشخیص نهایی
- بهبود ۷ درصدی عملکرد در پروندههای بسیار پیچیده و گمراهکننده
- ترجیح داده شدن توسط پزشکان متخصص در ۸۷.۶ درصد از مقایسههای کورکورانه
شما میتوانید جزئیات فنی این پژوهش را در مقاله اصلی مطالعه کنید. این نتایج نشان میدهد که آینده دستیاران پزشکی میتواند به طور کامل توسط مدلهای زبانی تغییر کند.
گوگل با معرفی یک مدل جدید، قدم بزرگی در حوزه پزشکی برداشته است. برخلاف مدلهای قدیمی که تنها به سوالات امتحانی پاسخ میدادند، این سیستم جدید در شبیهسازیهای پیچیده پزشکی آموزش دیده است.
در این سناریوها، بیمارانی با رفتارهای چالشبرانگیز، علائم گمراهکننده و مقاومت در برابر توصیههای درمانی طراحی شدهاند. هدف این است که مدل بیاموزد چگونه بدون عجله برای تشخیص، گامبهگام و منطقی با کیسهای بالینی برخورد کند.
برخی از مهمترین دستاوردهای این سیستم:
- کاهش ۳۱ درصدی نادیده گرفتن نشانههای حیاتی خطرناک (Red Flags)
- رسیدن به دقت ۸۸ درصدی در تشخیص نهایی
- بهبود ۷ درصدی عملکرد در پروندههای بسیار پیچیده و گمراهکننده
- ترجیح داده شدن توسط پزشکان متخصص در ۸۷.۶ درصد از مقایسههای کورکورانه
شما میتوانید جزئیات فنی این پژوهش را در مقاله اصلی مطالعه کنید. این نتایج نشان میدهد که آینده دستیاران پزشکی میتواند به طور کامل توسط مدلهای زبانی تغییر کند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی#GoogleHealth #ClinicalDiagnosis
📩 ارتباط با ما
🧠 چرا شبکههای عصبی کانولوشنی (CNN)؟
در مباحث دوره معروف CS189، به یکی از بنیادیترین سؤالات یادگیری عمیق پاسخ داده میشود: چرا برای پردازش تصاویر به جای لایههای تماماً متصل (Fully-Connected) به سراغ CNNها میرویم؟
مشکل اصلی لایههای Fully-Connected (FC) در مواجهه با تصاویر، انفجار تعداد پارامترهاست. در یک لایه FC با
شبکههای کانولوشنی (CNN) با بهرهگیری از ویژگیهایی مانند اشتراکگذاری وزنها (Weight Sharing) و میدانهای پذیرش محلی (Local Receptive Fields)، این بازدهی محاسباتی را به طور چشمگیری بهبود میبخشند.
در مباحث دوره معروف CS189، به یکی از بنیادیترین سؤالات یادگیری عمیق پاسخ داده میشود: چرا برای پردازش تصاویر به جای لایههای تماماً متصل (Fully-Connected) به سراغ CNNها میرویم؟
مشکل اصلی لایههای Fully-Connected (FC) در مواجهه با تصاویر، انفجار تعداد پارامترهاست. در یک لایه FC با
n_i ورودی و n_o خروجی، به n_i × n_o پارامتر در ماتریس وزن نیاز داریم. برای تصاویر با رزولوشن بالا، این فرمول منجر به ایجاد میلیونها پارامتر، افزایش شدید خطر بیشبرازش (Overfitting) و نیاز به توان محاسباتی کاذب میشود.شبکههای کانولوشنی (CNN) با بهرهگیری از ویژگیهایی مانند اشتراکگذاری وزنها (Weight Sharing) و میدانهای پذیرش محلی (Local Receptive Fields)، این بازدهی محاسباتی را به طور چشمگیری بهبود میبخشند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
❤2