📊 تحلیل عملکرد مدلهای کوانتایز شده Qwen
آیا کوانتایز کردن مدلها به قیمت از دست رفتن هوش آنها تمام میشود؟ پاسخ به این پرسش در یک بنچمارک ۶۷ ساعته روی خانواده Qwen 2.5-32B بررسی شده است.
نتایج نشان میدهد که برخلاف تصور رایج، استفاده از کوانتایزیشن ۴ بیت نه تنها فاجعهبار نیست، بلکه در برخی متدها عملکردی خیرهکننده دارد:
• متد
• سایر روشهای ۴ بیتی نیز در محدوده عملکردی بسیار نزدیک به نسخههای سنگینتر (۸۸ تا ۸۹ درصد) قرار دارند.
• مدلهای
برای کاربردهای عملی و واقعی، استفاده از مدلهای سبکتر با کوانتایزیشن مناسب، انتخاب هوشمندانهای است. نسخههای سنگین عمدتاً برای بهبود رتبهبندی در لیدربوردها کاربرد دارند و ارزش افزوده عملیاتی چندانی ایجاد نمیکنند. این تحلیل دید دقیقتری برای انتخاب مدل بر اساس منابع سختافزاری و نیاز واقعی پروژه به ما میدهد.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
آیا کوانتایز کردن مدلها به قیمت از دست رفتن هوش آنها تمام میشود؟ پاسخ به این پرسش در یک بنچمارک ۶۷ ساعته روی خانواده Qwen 2.5-32B بررسی شده است.
نتایج نشان میدهد که برخلاف تصور رایج، استفاده از کوانتایزیشن ۴ بیت نه تنها فاجعهبار نیست، بلکه در برخی متدها عملکردی خیرهکننده دارد:
• متد
AWQ INT4 توانسته با ثبت دقت ۹۰٪، حتی از نسخههای FP8 با دقت ۸۸.۷٪ نیز پیشی بگیرد.• سایر روشهای ۴ بیتی نیز در محدوده عملکردی بسیار نزدیک به نسخههای سنگینتر (۸۸ تا ۸۹ درصد) قرار دارند.
• مدلهای
xhigh در عمل تنها باعث مصرف بیشتر توکن و منابع میشوند و تفاوت کیفیت آنها با مدلهای بهینهتر بسیار ناچیز است.برای کاربردهای عملی و واقعی، استفاده از مدلهای سبکتر با کوانتایزیشن مناسب، انتخاب هوشمندانهای است. نسخههای سنگین عمدتاً برای بهبود رتبهبندی در لیدربوردها کاربرد دارند و ارزش افزوده عملیاتی چندانی ایجاد نمیکنند. این تحلیل دید دقیقتری برای انتخاب مدل بر اساس منابع سختافزاری و نیاز واقعی پروژه به ما میدهد.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
❤1
🧬 موفقیت بزرگ هوش مصنوعی در ساخت واکسن سرطان
در یک پیشرفت انقلابی، واکسن سرطان شخصیسازیشده که با کمک هوش مصنوعی توسط شرکتهای مدرنا و مرک توسعه یافته، فاز سوم کارآزمایی بالینی خود را با موفقیت پشت سر گذاشت.
این فرآیند درمانی با توالییابی ژنوم تومور بیمار و مقایسه آن با DNA سالم آغاز میشود. سپس هوش مصنوعی جهشهای خاصی را شناسایی میکند که بیشترین پتانسیل را برای تحریک سیستم ایمنی بدن دارند. بر اساس این دادهها، یک درمان اختصاصی مبتنی بر mRNA برای هدف قرار دادن حداکثر ۳۴ آنتیژن ساخته میشود.
نتایج اولیه و فاز سوم این مطالعه نشاندهنمهمترین دستاوردهاهای مهمی است:
* کاهش ۴۹ درصدی خطر بازگشت بیماری یا مرگ در بیماران.
* کاهش ۵۹ درصدی احتمال متاستاز یا مرگ.
* ماندگاری نرخ بقای بدون سرطان در بیش از ۶۸ درصد بیماران پس از ۵ سال.
جزئیات بیشتر این دستاورد پزشکی را میتوانید در وبسایت رسمی مرک مشاهده کنید. این موفقیت، گامی کلیدی در استفاده از یادگیری ماشین برای درمانهای شخصیسازیشده پزشکی است.
📚 مطالعه با جزئیات بیشتر
در یک پیشرفت انقلابی، واکسن سرطان شخصیسازیشده که با کمک هوش مصنوعی توسط شرکتهای مدرنا و مرک توسعه یافته، فاز سوم کارآزمایی بالینی خود را با موفقیت پشت سر گذاشت.
این فرآیند درمانی با توالییابی ژنوم تومور بیمار و مقایسه آن با DNA سالم آغاز میشود. سپس هوش مصنوعی جهشهای خاصی را شناسایی میکند که بیشترین پتانسیل را برای تحریک سیستم ایمنی بدن دارند. بر اساس این دادهها، یک درمان اختصاصی مبتنی بر mRNA برای هدف قرار دادن حداکثر ۳۴ آنتیژن ساخته میشود.
نتایج اولیه و فاز سوم این مطالعه نشاندهنمهمترین دستاوردهاهای مهمی است:
* کاهش ۴۹ درصدی خطر بازگشت بیماری یا مرگ در بیماران.
* کاهش ۵۹ درصدی احتمال متاستاز یا مرگ.
* ماندگاری نرخ بقای بدون سرطان در بیش از ۶۸ درصد بیماران پس از ۵ سال.
جزئیات بیشتر این دستاورد پزشکی را میتوانید در وبسایت رسمی مرک مشاهده کنید. این موفقیت، گامی کلیدی در استفاده از یادگیری ماشین برای درمانهای شخصیسازیشده پزشکی است.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🚀 افزایش چشمگیر سرعت دیکودینگ با مدلهای جدید Liquid AI
شرکت Liquid AI به تازگی مدلهای LFM2.5-DSpark را معرفی کرده است که میتوانند سرعت تولید توکن (Decoding) را تا ۳.۱۸ برابر افزایش دهند، بدون اینکه کوچکترین تغییری در خروجی نهایی مدل ایجاد کنند.
مهمترین نکات این نسخه:
• عملکرد بدون تغییر در کیفیت: این معماری به گونهای طراحی شده که خروجی مدل کاملاً مشابه مدل پایه باقی میماند. اگر توکن پیشبینی شده توسط مدلِ درفتر با توزیع هدف مطابقت نداشته باشد، مدل اصلی جایگزین آن میشود.
• ارتباط مستقیم با نرخ پذیرش: افزایش سرعت وابستگی مستقیمی به «نرخ پذیرش توکنها» دارد. به عبارت دیگر، هرچه مدل پیشبینیهای دقیقتری داشته باشد، جهش سرعت بیشتر خواهد بود.
• مدلهای منتشر شده:
- LFM2.5-1.2B-Instruct
- LFM2.5-2.6B
- LFM2.5-8B-A1B
این مدلهای درفتر با حدود ۳۰۰ میلیون پارامتر، بهینهسازی بسیار کارآمدی برای تسریع در اجرا روی سختافزارهایی مانند H100 یا پردازندههای سری M اپل محسوب میشوند. برای مطالعه تحلیل کامل فنی، میتوانید به این گزارش مراجعه کنید.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
شرکت Liquid AI به تازگی مدلهای LFM2.5-DSpark را معرفی کرده است که میتوانند سرعت تولید توکن (Decoding) را تا ۳.۱۸ برابر افزایش دهند، بدون اینکه کوچکترین تغییری در خروجی نهایی مدل ایجاد کنند.
مهمترین نکات این نسخه:
• عملکرد بدون تغییر در کیفیت: این معماری به گونهای طراحی شده که خروجی مدل کاملاً مشابه مدل پایه باقی میماند. اگر توکن پیشبینی شده توسط مدلِ درفتر با توزیع هدف مطابقت نداشته باشد، مدل اصلی جایگزین آن میشود.
• ارتباط مستقیم با نرخ پذیرش: افزایش سرعت وابستگی مستقیمی به «نرخ پذیرش توکنها» دارد. به عبارت دیگر، هرچه مدل پیشبینیهای دقیقتری داشته باشد، جهش سرعت بیشتر خواهد بود.
• مدلهای منتشر شده:
- LFM2.5-1.2B-Instruct
- LFM2.5-2.6B
- LFM2.5-8B-A1B
این مدلهای درفتر با حدود ۳۰۰ میلیون پارامتر، بهینهسازی بسیار کارآمدی برای تسریع در اجرا روی سختافزارهایی مانند H100 یا پردازندههای سری M اپل محسوب میشوند. برای مطالعه تحلیل کامل فنی، میتوانید به این گزارش مراجعه کنید.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
هوش مصنوعی و علم داده به فارسی
🚀 دورههای رایگان هوش مصنوعی Anthropic شرکت Anthropic بهتازگی ۱۳ دوره آموزشی تخصصی و رایگان را در آکادمی خود منتشر کرده است. این دورهها طیف گستردهای از مباحث، از مفاهیم پایه تا پیادهسازیهای حرفهای را پوشش میدهند و برای کاربران عمومی، توسعهدهندگان…
This media is not supported in your browser
VIEW IN TELEGRAM
🎓 راهاندازی آکادمی آموزشی Claude توسط Anthropic
شرکت Anthropic پلتفرم آموزشی جامع خود را تحت عنوان Claude Academy به صورت کاملاً رایگان در دسترس همگان قرار داده است.
این آکادمی شامل دورههای متنوعی از سطح مبتدی و آشنایی با مبانی هوش مصنوعی تا سطوح پیشرفته برای بهرهگیری حرفهای از Claude در فعالیتهای روزمره و تخصصی است.
نکته جالب این است که برخی از دورههای این پلتفرم مدرک معتبر (Certificate) نیز ارائه میدهند که برای اشتراکگذاری در لینکدین و ارتقای رزومه بسیار مناسب است. تمامی محتواها و راهنماهای این آکادمی بدون هیچ محدودیتی قابل استفاده هستند.
#Anthropic #ClaudeAcademy
شرکت Anthropic پلتفرم آموزشی جامع خود را تحت عنوان Claude Academy به صورت کاملاً رایگان در دسترس همگان قرار داده است.
این آکادمی شامل دورههای متنوعی از سطح مبتدی و آشنایی با مبانی هوش مصنوعی تا سطوح پیشرفته برای بهرهگیری حرفهای از Claude در فعالیتهای روزمره و تخصصی است.
نکته جالب این است که برخی از دورههای این پلتفرم مدرک معتبر (Certificate) نیز ارائه میدهند که برای اشتراکگذاری در لینکدین و ارتقای رزومه بسیار مناسب است. تمامی محتواها و راهنماهای این آکادمی بدون هیچ محدودیتی قابل استفاده هستند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Anthropic #ClaudeAcademy
هوش مصنوعی و آینده ریاضیات از نگاه ترنس تائو
ترنس تائو در مقالهای تازه، به بررسی نقش ریاضیدانان در عصر تسلط هوش مصنوعی پرداخته است. او استدلال میکند که با خودکار شدنِ «حل مسئله» توسط AI، ماهیت پژوهشهای ریاضی دگرگون خواهد شد.
تائو معتقد است فرآیند علمی فراتر از رسیدن به پاسخ است و شامل مراحل زیر میشود که بخش بزرگی از آن برای ماشین غیرقابل دسترس است:
* درک و تبیین: تبدیل راهحلهای خام به دانش قابل فهم برای جامعه علمی.
* ارتباطدهی: پیوند دادن یافتههای جدید با نظریههای موجود.
* جامعهپذیری: بحثهای انتقادی و داوری همتایان.
* کانونیزه کردن: تبدیل نتایج به بخشی از بدنه آموزش و متون مرجع.
برخلاف تصور، هوش مصنوعی تنها در تولید و تایید اثباتها (Proofs) پیشرو است. وظیفه اصلی ریاضیدانان در آینده، نه صرفاً حل معماها، بلکه مدیریت «کولکتیو دانش» و انتقال مفاهیم به نسلهای آینده است. تائو معتقد است ما در حال ورود به دورهای از بازنگری در ارزشهای ضمنی ریاضیات هستیم.
📚 مطالعه با جزئیات بیشتر
#Terence_Tao #Proof_Assistants
ترنس تائو در مقالهای تازه، به بررسی نقش ریاضیدانان در عصر تسلط هوش مصنوعی پرداخته است. او استدلال میکند که با خودکار شدنِ «حل مسئله» توسط AI، ماهیت پژوهشهای ریاضی دگرگون خواهد شد.
تائو معتقد است فرآیند علمی فراتر از رسیدن به پاسخ است و شامل مراحل زیر میشود که بخش بزرگی از آن برای ماشین غیرقابل دسترس است:
* درک و تبیین: تبدیل راهحلهای خام به دانش قابل فهم برای جامعه علمی.
* ارتباطدهی: پیوند دادن یافتههای جدید با نظریههای موجود.
* جامعهپذیری: بحثهای انتقادی و داوری همتایان.
* کانونیزه کردن: تبدیل نتایج به بخشی از بدنه آموزش و متون مرجع.
برخلاف تصور، هوش مصنوعی تنها در تولید و تایید اثباتها (Proofs) پیشرو است. وظیفه اصلی ریاضیدانان در آینده، نه صرفاً حل معماها، بلکه مدیریت «کولکتیو دانش» و انتقال مفاهیم به نسلهای آینده است. تائو معتقد است ما در حال ورود به دورهای از بازنگری در ارزشهای ضمنی ریاضیات هستیم.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Terence_Tao #Proof_Assistants
❤1
Media is too big
VIEW IN TELEGRAM
🧬 شبیهسازی سلول زنده انسان با مدل جهانی هوش مصنوعی
استارتآپ GenBio AI از سیستم جدیدی به نام AIDO Cell رونمایی کرده است؛ یک مدل جهانی (World Model) که میتواند یک سلول زنده را در تمامی سطوح از جمله DNA، RNA، پروتئینها و رفتارهای کل سلول شبیهسازی کند.
برخلاف مدلهای گذشته که هر بخش را جداگانه پیشبینی میکردند، این ابزار کل زنجیره زیستی را به هم متصل میکند. برای مثال، تغییر در یک ژن میتواند اثرات خود را در سراسر سلول نشان دهد. همچنین، این مدل وضعیت سلول را به خاطر میسپارد؛ بنابراین هر مداخله جدید، روی سلول تغییریافته قبلی اعمال میشود نه روی یک نسخه خام.
این فناوری هنوز در مراحل اولیه است، اما پتانسیل آن را دارد که به پژوهشگران اجازه دهد آزمایشهای پیچیده بیولوژیکی را پیش از محیط واقعی، درون یک سلول مجازی اجرا کنند.
#AIDOCell #WorldModel
استارتآپ GenBio AI از سیستم جدیدی به نام AIDO Cell رونمایی کرده است؛ یک مدل جهانی (World Model) که میتواند یک سلول زنده را در تمامی سطوح از جمله DNA، RNA، پروتئینها و رفتارهای کل سلول شبیهسازی کند.
برخلاف مدلهای گذشته که هر بخش را جداگانه پیشبینی میکردند، این ابزار کل زنجیره زیستی را به هم متصل میکند. برای مثال، تغییر در یک ژن میتواند اثرات خود را در سراسر سلول نشان دهد. همچنین، این مدل وضعیت سلول را به خاطر میسپارد؛ بنابراین هر مداخله جدید، روی سلول تغییریافته قبلی اعمال میشود نه روی یک نسخه خام.
این فناوری هنوز در مراحل اولیه است، اما پتانسیل آن را دارد که به پژوهشگران اجازه دهد آزمایشهای پیچیده بیولوژیکی را پیش از محیط واقعی، درون یک سلول مجازی اجرا کنند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#AIDOCell #WorldModel
🚀 راهنمای جامع و عملی مدلهای Transformer
یادگیری معماری ترنسفورمرها از مبانی تا سطوح پیشرفته و عملیاتی، نیازمند دسترسی به کدهای تستشده و پروژهمحور است. مخزن Transformers - The definitive Guide یک منبع کامل شامل ۱۲ فصل آموزشی است که به شما اجازه میدهد تمامی مفاهیم را بهصورت عملی در Google Colab پیادهسازی کنید.
مهمترین سرفصلهای این مجموعه عبارتند از:
• آشنایی با اصول اولیه و معماری ترنسفورمرهای SOTA
• کاربرد ترنسفورمرها در سریهای زمانی و وظایف بینایی
• مدلهای تولیدکننده تصویر، ویدیو و صوت
• یادگیری تقویتی، برنامهریزی، استدلال و کدنویسی
• طراحی عوامل (Agents) هوش مصنوعی و بهینهسازی مدل
• استقرار و Deploy کردن نهایی مدلها در محیط عملیاتی
ساختار این مخزن به گونهای طراحی شده که نوتبوکهای هر فصل با نامگذاری استاندارد در پوشههای مجزا قرار دارند و یادگیری مرحلهبهمرحله را برای شما تسهیل میکنند. این منبع برای تمامی متخصصان حوزه پردازش متن و تصویر که به دنبال تسلط بر اکوسیستم ترنسفورمرها هستند، توصیه میشود.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
یادگیری معماری ترنسفورمرها از مبانی تا سطوح پیشرفته و عملیاتی، نیازمند دسترسی به کدهای تستشده و پروژهمحور است. مخزن Transformers - The definitive Guide یک منبع کامل شامل ۱۲ فصل آموزشی است که به شما اجازه میدهد تمامی مفاهیم را بهصورت عملی در Google Colab پیادهسازی کنید.
مهمترین سرفصلهای این مجموعه عبارتند از:
• آشنایی با اصول اولیه و معماری ترنسفورمرهای SOTA
• کاربرد ترنسفورمرها در سریهای زمانی و وظایف بینایی
• مدلهای تولیدکننده تصویر، ویدیو و صوت
• یادگیری تقویتی، برنامهریزی، استدلال و کدنویسی
• طراحی عوامل (Agents) هوش مصنوعی و بهینهسازی مدل
• استقرار و Deploy کردن نهایی مدلها در محیط عملیاتی
ساختار این مخزن به گونهای طراحی شده که نوتبوکهای هر فصل با نامگذاری استاندارد در پوشههای مجزا قرار دارند و یادگیری مرحلهبهمرحله را برای شما تسهیل میکنند. این منبع برای تمامی متخصصان حوزه پردازش متن و تصویر که به دنبال تسلط بر اکوسیستم ترنسفورمرها هستند، توصیه میشود.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
❤1
🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #92 | 📌 6 آیتم گزارش | 🧾 از 9 پست بررسیشده
🕐 پنجشنبه 1405/05/29 ساعت 14:00 تا جمعه 1405/05/30 ساعت 14:00
🧬 هوش مصنوعی در پزشکی و زیستشناسی
🤖 مدلهای نوین و بنچمارکهای هوش مصنوعی
🗂 گزارش #92 | 📌 6 آیتم گزارش | 🧾 از 9 پست بررسیشده
🕐 پنجشنبه 1405/05/29 ساعت 14:00 تا جمعه 1405/05/30 ساعت 14:00
🧬 هوش مصنوعی در پزشکی و زیستشناسی
واکسن شخصیسازیشده سرطان مبتنی بر mRNA شرکتهای مدرنا و مرک با کمک هوش مصنوعی برای شناسایی جهشهای تومور، فاز سوم کارآزمایی بالینی را با موفقیت پشت سر گذاشت.
🔗 مشاهده پست
استارتآپ GenBio AI از مدل جهانی AIDO Cell رونمایی کرد که قادر است یک سلول زنده انسان را در تمامی سطوح شامل DNA، RNA و پروتئینها بهطور یکپارچه شبیهسازی کند.
🔗 مشاهده پست
🤖 مدلهای نوین و بنچمارکهای هوش مصنوعی
مایکروسافت با معرفی مدلهای جدید MAI-Image که توسط متخصصان سابق متا توسعه یافتهاند، در بنچمارکهای تولید تصویر به رقابت نزدیکی با مدلهای برتر بازار رسیده است.
🔗 مشاهده پست
گزارشها نشان میدهد شکاف هوش مصنوعی چین و آمریکا با سرعت در حال کاهش است؛ مدل Kimi K3 چین اکنون در بنچمارکها در کنار مدلهای پیشرو قرار دارد.
🔗 مشاهده پست
شرکت Liquid AI مدلهای LFM2.5-DSpark را معرفی کرد که بدون تغییر در کیفیت خروجی، سرعت تولید توکن و دیکودینگ را تا ۳.۱۸ برابر افزایش میدهند.
🔗 مشاهده پست
بررسی بنچمارک خانواده Qwen 2.5-32B نشان میدهد کوانتایزیشن ۴ بیت با متد AWQ توانسته با دقت ۹۰٪ حتی از نسخههای با دقت بالاتر FP8 نیز پیشی بگیرد.
🔗 مشاهده پست
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
❤1
🚀 مدلهای جدید ترجمه Tencent و عرضه Ox Alpha در OpenRouter
پلتفرم OpenRouter بهتازگی میزبان مدلهای جدید و جذابی شده است که قابلیتهای کاربردی برای مهندسان داده و توسعهدهندگان ارائه میدهند.
مهمترین موارد اضافه شده:
• مدلهای ترجمه Hy-MT2: شرکت Tencent مدلهای Hy-MT2-1.8B و Hy-MT2-30B-A3B را عرضه کرده است. این مدلها از ۳۳ زبان پشتیبانی میکنند و علاوه بر متن عادی، در پردازش ساختار، بافتار (Context) و رعایت سبکهای خاص در ترجمه عملکرد بسیار خوبی دارند.
• مدل استدلالی Ox Alpha: این مدل که با رویکردی متمرکز بر استدلال (Reasoning) طراحی شده، برای انجام کارهای عاملمحور (Agentic)، کدنویسی پیچیده و بارهای کاری سنگین در محیطهای Production بسیار ایدهآل است. این مدل با پنجره متنی بیش از ۱ میلیون توکن ارائه شده است.
📚 مطالعه با جزئیات بیشتر
#Hy_MT2 #Ox_Alpha
پلتفرم OpenRouter بهتازگی میزبان مدلهای جدید و جذابی شده است که قابلیتهای کاربردی برای مهندسان داده و توسعهدهندگان ارائه میدهند.
مهمترین موارد اضافه شده:
• مدلهای ترجمه Hy-MT2: شرکت Tencent مدلهای Hy-MT2-1.8B و Hy-MT2-30B-A3B را عرضه کرده است. این مدلها از ۳۳ زبان پشتیبانی میکنند و علاوه بر متن عادی، در پردازش ساختار، بافتار (Context) و رعایت سبکهای خاص در ترجمه عملکرد بسیار خوبی دارند.
• مدل استدلالی Ox Alpha: این مدل که با رویکردی متمرکز بر استدلال (Reasoning) طراحی شده، برای انجام کارهای عاملمحور (Agentic)، کدنویسی پیچیده و بارهای کاری سنگین در محیطهای Production بسیار ایدهآل است. این مدل با پنجره متنی بیش از ۱ میلیون توکن ارائه شده است.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Hy_MT2 #Ox_Alpha
🤖 آینده هوش مصنوعی: فراتر از تکنولوژی
تیم Strategic Futures در OpenAI با راهاندازی بلاگ جدیدی، به بررسی ابعاد عمیقتری از تاثیر هوش مصنوعی بر قدرت و ساختارهای اجتماعی پرداخته است. این پروژه تاکید میکند که هوش مصنوعی نه تنها یک ابزار فنی، بلکه عاملی دگرگونکننده برای نحوه حکمرانی و آزادیهای فردی است.
مهمترین نکات و خطرات مطرحشده:
* دولتها ممکن است با سیستمهای خودمختار، بدون نیاز به نیروی انسانی و با تکیه بر خروجی مراکز داده (data centers) قدرت خود را اعمال کنند.
* خودکارسازی بوروکراسی و تغییر در قراردادهای اجتماعی میتواند نقش انسان را در تصمیمگیریهای کلان کمرنگ کند.
* حفظ استقلال فردی و عاملیت انسان باید بر رشد اقتصادی و امنیت اولویت داشته باشد.
* سیستمهای هوش مصنوعی باید در فعالیتهای پرخطر به یک مسئول انسانی قابل ردیابی باشند.
* حکمرانی هوش مصنوعی باید بر توزیع عادلانه قدرت تمرکز کند تا از تمرکز بیش از حد اختیارات جلوگیری شود.
* آزادی استفاده از AI باید همراه با حفظ حریم خصوصی و امکان ناشناس ماندن برای صیانت از آزادی بیان باشد.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
تیم Strategic Futures در OpenAI با راهاندازی بلاگ جدیدی، به بررسی ابعاد عمیقتری از تاثیر هوش مصنوعی بر قدرت و ساختارهای اجتماعی پرداخته است. این پروژه تاکید میکند که هوش مصنوعی نه تنها یک ابزار فنی، بلکه عاملی دگرگونکننده برای نحوه حکمرانی و آزادیهای فردی است.
مهمترین نکات و خطرات مطرحشده:
* دولتها ممکن است با سیستمهای خودمختار، بدون نیاز به نیروی انسانی و با تکیه بر خروجی مراکز داده (data centers) قدرت خود را اعمال کنند.
* خودکارسازی بوروکراسی و تغییر در قراردادهای اجتماعی میتواند نقش انسان را در تصمیمگیریهای کلان کمرنگ کند.
* حفظ استقلال فردی و عاملیت انسان باید بر رشد اقتصادی و امنیت اولویت داشته باشد.
* سیستمهای هوش مصنوعی باید در فعالیتهای پرخطر به یک مسئول انسانی قابل ردیابی باشند.
* حکمرانی هوش مصنوعی باید بر توزیع عادلانه قدرت تمرکز کند تا از تمرکز بیش از حد اختیارات جلوگیری شود.
* آزادی استفاده از AI باید همراه با حفظ حریم خصوصی و امکان ناشناس ماندن برای صیانت از آزادی بیان باشد.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
🚀 ظهور مدل چندوجهی جدید DeepSeek برای AI Agents
تیم DeepSeek مدل آزمایشی جدیدی با نام
نکته قابلتوجه، عملکرد این نسخه Flash در بنچمارکهای Visual-Agent است که توانسته در بسیاری از سناریوها به سطح مدلهای سنگینی مثل Opus 4.8 نزدیک شده و در برخی موارد حتی از آن پیشی بگیرد. عرضه چنین مدلهای بهینهای میتواند به کاهش هزینهها و افزایش دسترسی به ایجنتهای هوشمند منجر شود.
مهمترین نتایج در ارزیابیهای فنی:
* Terminal Bench 2.1: امتیاز ۸۳.۹
* DeepSWE: امتیاز ۵۹.۳
* Toolathlon-Verified: امتیاز ۷۵.۹
* ApexBench: امتیاز ۳۶.۵
* ZeroBench: امتیاز ۳۵.۰
این نتایج نشاندهنده پتانسیل بالای مدلهای سبکتر در انجام وظایف پیچیده ایجنتی است. آیا دوران سلطه مطلق مدلهای غولپیکر در حال تغییر است؟
📚 مطالعه با جزئیات بیشتر
#DeepSeek_V4_Flash #Visual_Agent
تیم DeepSeek مدل آزمایشی جدیدی با نام
DeepSeek-V4-Flash-Vision-Exp را معرفی کرد. این مدل چندوجهی (Multimodal) بهطور اختصاصی برای ایجنتهایی طراحی شده که علاوه بر متن، نیاز به درک تصاویر و تعامل با رابطهای کاربری دارند.نکته قابلتوجه، عملکرد این نسخه Flash در بنچمارکهای Visual-Agent است که توانسته در بسیاری از سناریوها به سطح مدلهای سنگینی مثل Opus 4.8 نزدیک شده و در برخی موارد حتی از آن پیشی بگیرد. عرضه چنین مدلهای بهینهای میتواند به کاهش هزینهها و افزایش دسترسی به ایجنتهای هوشمند منجر شود.
مهمترین نتایج در ارزیابیهای فنی:
* Terminal Bench 2.1: امتیاز ۸۳.۹
* DeepSWE: امتیاز ۵۹.۳
* Toolathlon-Verified: امتیاز ۷۵.۹
* ApexBench: امتیاز ۳۶.۵
* ZeroBench: امتیاز ۳۵.۰
این نتایج نشاندهنده پتانسیل بالای مدلهای سبکتر در انجام وظایف پیچیده ایجنتی است. آیا دوران سلطه مطلق مدلهای غولپیکر در حال تغییر است؟
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#DeepSeek_V4_Flash #Visual_Agent
🚀 یادگیری ماشین؛ از تئوری تا کاربرد
یادگیری ماشین یا Machine Learning، هسته اصلی تحولات تکنولوژیک در دنیای امروز است. این حوزه با ترکیب آمار، علوم کامپیوتر و ریاضیات، به سیستمها اجازه میدهد بدون برنامهنویسی صریح، از دادهها بیاموزند و الگوهای پیچیده را شناسایی کنند.
در دنیای حرفهای علم داده، تسلط بر ابزارها و مفاهیم زیر برای هر متخصص ضروری است:
- PyTorch: کتابخانهای قدرتمند و انعطافپذیر برای یادگیری عمیق که در میان محققان محبوبیت ویژهای دارد.
- Scikit-learn: کتابخانهای استاندارد و کاربردی برای اجرای الگوریتمهای کلاسیک یادگیری ماشین.
- Pandas: ابزار حیاتی برای دستکاری، تحلیل و پیشپردازش دادههای ساختاریافته.
- CUDA: پلتفرمی برای محاسبات موازی روی پردازندههای گرافیکی که سرعت آموزش مدلهای بزرگ را به شدت افزایش میدهد.
- Hugging Face: مرجعی برای دسترسی به مدلهای پیشآموزشدیده و ترنسفورمرها که مسیر توسعه اپلیکیشنهای هوش مصنوعی را هموار کرده است.
📚 مطالعه با جزئیات بیشتر
#PyTorch #CUDA
یادگیری ماشین یا Machine Learning، هسته اصلی تحولات تکنولوژیک در دنیای امروز است. این حوزه با ترکیب آمار، علوم کامپیوتر و ریاضیات، به سیستمها اجازه میدهد بدون برنامهنویسی صریح، از دادهها بیاموزند و الگوهای پیچیده را شناسایی کنند.
در دنیای حرفهای علم داده، تسلط بر ابزارها و مفاهیم زیر برای هر متخصص ضروری است:
- PyTorch: کتابخانهای قدرتمند و انعطافپذیر برای یادگیری عمیق که در میان محققان محبوبیت ویژهای دارد.
- Scikit-learn: کتابخانهای استاندارد و کاربردی برای اجرای الگوریتمهای کلاسیک یادگیری ماشین.
- Pandas: ابزار حیاتی برای دستکاری، تحلیل و پیشپردازش دادههای ساختاریافته.
- CUDA: پلتفرمی برای محاسبات موازی روی پردازندههای گرافیکی که سرعت آموزش مدلهای بزرگ را به شدت افزایش میدهد.
- Hugging Face: مرجعی برای دسترسی به مدلهای پیشآموزشدیده و ترنسفورمرها که مسیر توسعه اپلیکیشنهای هوش مصنوعی را هموار کرده است.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#PyTorch #CUDA
هوش مصنوعی و علم داده به فارسی
🚀 مدلهای جدید ترجمه Tencent و عرضه Ox Alpha در OpenRouter پلتفرم OpenRouter بهتازگی میزبان مدلهای جدید و جذابی شده است که قابلیتهای کاربردی برای مهندسان داده و توسعهدهندگان ارائه میدهند. مهمترین موارد اضافه شده: • مدلهای ترجمه Hy-MT2: شرکت Tencent…
🚀 ظهور مرموز Ox Alpha در دنیای مدلهای هوش مصنوعی
مدل جدید و ناشناختهای با نام Ox Alpha به تازگی در پلتفرم OpenCode ظاهر شده که بحثهای زیادی را در جامعه هوش مصنوعی ایجاد کرده است. اگرچه منشأ اصلی این مدل هنوز به صورت رسمی فاش نشده، اما عملکرد اولیه آن در حل مسائل برنامهنویسی بسیار فراتر از حد انتظار گزارش شده است.
بر اساس نتایج اولیه در ۱۰ تسک پیچیده DeepSWE، این مدل موفق به کسب نرخ موفقیت حدود ۸۰ درصد شده که آن را در جایگاهی بالاتر از مدلهای شناختهشدهای همچون Fable 5، GLM-5.3 و Grok 4.6 قرار میدهد.
نکات کلیدی پیرامون این مدل:
- عملکرد درخشان اولیه: کسب امتیاز بالا در تستهای مقدماتی کدنویسی.
- دسترسی فعلی: مدل در حال حاضر به صورت رایگان در دسترس کاربران قرار گرفته و برای تسکهای agentic و برنامهنویسی تست میشود.
- پشتیبانی از Context: گزارشها حاکی از ظرفیت بالای پنجره متنی این مدل است.
دقت کنید که این نتایج با لیدربورد رسمی DeepSWE که شامل ۱۱۳ مسئله است تفاوت دارد و هنوز نتیجه جامع و نهایی برای Ox Alpha منتشر نشده است.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
مدل جدید و ناشناختهای با نام Ox Alpha به تازگی در پلتفرم OpenCode ظاهر شده که بحثهای زیادی را در جامعه هوش مصنوعی ایجاد کرده است. اگرچه منشأ اصلی این مدل هنوز به صورت رسمی فاش نشده، اما عملکرد اولیه آن در حل مسائل برنامهنویسی بسیار فراتر از حد انتظار گزارش شده است.
بر اساس نتایج اولیه در ۱۰ تسک پیچیده DeepSWE، این مدل موفق به کسب نرخ موفقیت حدود ۸۰ درصد شده که آن را در جایگاهی بالاتر از مدلهای شناختهشدهای همچون Fable 5، GLM-5.3 و Grok 4.6 قرار میدهد.
نکات کلیدی پیرامون این مدل:
- عملکرد درخشان اولیه: کسب امتیاز بالا در تستهای مقدماتی کدنویسی.
- دسترسی فعلی: مدل در حال حاضر به صورت رایگان در دسترس کاربران قرار گرفته و برای تسکهای agentic و برنامهنویسی تست میشود.
- پشتیبانی از Context: گزارشها حاکی از ظرفیت بالای پنجره متنی این مدل است.
دقت کنید که این نتایج با لیدربورد رسمی DeepSWE که شامل ۱۱۳ مسئله است تفاوت دارد و هنوز نتیجه جامع و نهایی برای Ox Alpha منتشر نشده است.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
❤2
📊 بنچمارک جدید برای ارزیابی قابلیتهای خودبهینهسازی مدلها
شرکت Scale AI به تازگی بنچمارک جدیدی به نام HarnessOpt-Bench را معرفی کرده است که میزان توانایی مدلهای زبانی در بهبود و بهینهسازی کدهای واسط (Harness) دیگر ایجنتهای هوش مصنوعی را ارزیابی میکند.
در این فرآیند، یک مدل به عنوان بهینهساز، کدهای یک ایجنت هدف را دریافت کرده و با استفاده از بازخوردهای دریافتی و یک بودجه مشخص، سعی در بازنویسی و بهبود عملکرد آن دارد. برای جلوگیری از تقلب و اطمینان از صحت نتایج، تمامی تستها در محیط ایزوله VeRO انجام میشود.
مهمترین نکات و نتایج این ارزیابی:
- عملکرد مدل بهینهساز در ارتقای سیستمها، حدود ۱.۸ برابر تاثیرگذارتر از نوع خودِ ایجنت هدف است.
- مدل Opus-5 در میان مدلهای تست شده عملکرد درخشانی داشت و در اکثر بنچمارکها مانند OfficeQA و BrowseComp-Plus برتری خود را نشان داد.
- تحلیل روند تکاملی مدلهای GPT و Claude نشان میدهد که با هر نسل جدید، میزان بهینهسازی آنها به صورت ملموسی رشد کرده است.
📚 مطالعه با جزئیات بیشتر
شرکت Scale AI به تازگی بنچمارک جدیدی به نام HarnessOpt-Bench را معرفی کرده است که میزان توانایی مدلهای زبانی در بهبود و بهینهسازی کدهای واسط (Harness) دیگر ایجنتهای هوش مصنوعی را ارزیابی میکند.
در این فرآیند، یک مدل به عنوان بهینهساز، کدهای یک ایجنت هدف را دریافت کرده و با استفاده از بازخوردهای دریافتی و یک بودجه مشخص، سعی در بازنویسی و بهبود عملکرد آن دارد. برای جلوگیری از تقلب و اطمینان از صحت نتایج، تمامی تستها در محیط ایزوله VeRO انجام میشود.
مهمترین نکات و نتایج این ارزیابی:
- عملکرد مدل بهینهساز در ارتقای سیستمها، حدود ۱.۸ برابر تاثیرگذارتر از نوع خودِ ایجنت هدف است.
- مدل Opus-5 در میان مدلهای تست شده عملکرد درخشانی داشت و در اکثر بنچمارکها مانند OfficeQA و BrowseComp-Plus برتری خود را نشان داد.
- تحلیل روند تکاملی مدلهای GPT و Claude نشان میدهد که با هر نسل جدید، میزان بهینهسازی آنها به صورت ملموسی رشد کرده است.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
مهارتهای کلیدی در توسعه و استقرار سیستمهای هوش مصنوعی
اندرو انجی در جدیدترین تحلیل خود، نقشه راه مهارتهای مورد نیاز برای مهندسان هوش مصنوعی را بازبینی کرده است. برخلاف نرمافزارهای سنتی که خروجی قابل پیشبینی دارند، سیستمهای مبتنی بر AI به دلیل ماهیت احتمالی خود، نیازمند رویکردی تکرارشونده و توسعه مبتنی بر ارزیابی هستند.
مهمترین مهارتها برای تسلط بر این حوزه عبارتند از:
- درک مبانی LLM: شناخت نحوه توکنبندی، مدیریت پنجره کانتکست و انتخاب استراتژیهای بهینهسازی مدل.
- Grounding با دادهها: استفاده از تکنیکهای پیشرفته برای اتصال مدل به دادههای واقعی از طریق جستجوی برداری، نمودار دانش یا لایههای معنایی.
- طراحی سیستمهای عاملمحور (Agentic): تعریف گردشکار، مدیریت حافظه و ابزارهای مورد نیاز برای اجرای خودمختار وظایف.
- توسعه مبتنی بر ارزیابی: ایجاد حلقههای بازخورد سیستماتیک برای تحلیل خطا و اندازهگیری عملکرد به جای حدس و گمان.
- عملیات در تولید: پیادهسازی مکانیزمهای مشاهدهپذیری، تست رگرسیون و مدیریت هزینه و تأخیر در مقیاس بالا.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
اندرو انجی در جدیدترین تحلیل خود، نقشه راه مهارتهای مورد نیاز برای مهندسان هوش مصنوعی را بازبینی کرده است. برخلاف نرمافزارهای سنتی که خروجی قابل پیشبینی دارند، سیستمهای مبتنی بر AI به دلیل ماهیت احتمالی خود، نیازمند رویکردی تکرارشونده و توسعه مبتنی بر ارزیابی هستند.
مهمترین مهارتها برای تسلط بر این حوزه عبارتند از:
- درک مبانی LLM: شناخت نحوه توکنبندی، مدیریت پنجره کانتکست و انتخاب استراتژیهای بهینهسازی مدل.
- Grounding با دادهها: استفاده از تکنیکهای پیشرفته برای اتصال مدل به دادههای واقعی از طریق جستجوی برداری، نمودار دانش یا لایههای معنایی.
- طراحی سیستمهای عاملمحور (Agentic): تعریف گردشکار، مدیریت حافظه و ابزارهای مورد نیاز برای اجرای خودمختار وظایف.
- توسعه مبتنی بر ارزیابی: ایجاد حلقههای بازخورد سیستماتیک برای تحلیل خطا و اندازهگیری عملکرد به جای حدس و گمان.
- عملیات در تولید: پیادهسازی مکانیزمهای مشاهدهپذیری، تست رگرسیون و مدیریت هزینه و تأخیر در مقیاس بالا.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science