📊 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
🌐 اتوماسیون هوشمند مرورگر با Browser Use
اگر به دنبال راهکاری برای اجرای خودکار فعالیتهای پیچیده در محیط وب هستید، پروژه Browser Use یکی از ابزارهای بسیار کاربردی است.
این ابزار به شما اجازه میدهد Agentهایی بسازید که دقیقاً مانند یک کاربر واقعی با صفحات وب تعامل داشته باشند. از جمله مهمترین قابلیتهای آن میتوان به موارد زیر اشاره کرد:
• پر کردن خودکار انواع فرمهای اینترنتی
• استخراج دادههای مورد نیاز از ساختار سایتها
• تست خودکار وبسایتها برای شناسایی باگها و مشکلات عملکردی
این پروژه برای سادهسازی فرآیندهای تکراری و اتوماسیون تست در پروژههای مختلف علم داده و توسعه نرمافزار، گزینهای ایدهآل محسوب میشود.
📚 مطالعه با جزئیات بیشتر
#Browser_Use #اتوماسیون_وب
اگر به دنبال راهکاری برای اجرای خودکار فعالیتهای پیچیده در محیط وب هستید، پروژه Browser Use یکی از ابزارهای بسیار کاربردی است.
این ابزار به شما اجازه میدهد Agentهایی بسازید که دقیقاً مانند یک کاربر واقعی با صفحات وب تعامل داشته باشند. از جمله مهمترین قابلیتهای آن میتوان به موارد زیر اشاره کرد:
• پر کردن خودکار انواع فرمهای اینترنتی
• استخراج دادههای مورد نیاز از ساختار سایتها
• تست خودکار وبسایتها برای شناسایی باگها و مشکلات عملکردی
این پروژه برای سادهسازی فرآیندهای تکراری و اتوماسیون تست در پروژههای مختلف علم داده و توسعه نرمافزار، گزینهای ایدهآل محسوب میشود.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Browser_Use #اتوماسیون_وب
🚀 اجرای مدل هوش مصنوعی ۹ میلیاردی روی موبایل
خانواده جدید مدلهای Ornith 1.5 با معرفی نسخه 9B، مرزهای اجرای مدلهای زبانی روی سختافزارهای محدود را جابجا کرده است. این مدل متنباز با قابلیت Self-Improving و پنجره متنی ۲۵۶ هزار توکنی، به طور اختصاصی برای استدلال، کدنویسی و کارهای Agentic بهینه شده است.
نکته تحسینبرانگیز این مدل، عملکرد نزدیک به مدلهای بسیار بزرگتر در برخی بنچمارکهای رسمی است. نسخههای Quantized این مدل امکان اجرا روی دستگاههای موبایل و سیستمهای شخصی را فراهم کردهاند.
برای اجرای این مدل میتوانید از ابزارهای زیر استفاده کنید:
• llama.cpp
• Ollama
• LM Studio
فایلهای مورد نیاز و نسخه GGUF را میتوانید از طریق مخزن رسمی Hugging Face دریافت و بر اساس قدرت سختافزار خود، Quantization مناسب را انتخاب کنید.
#Ornith_1 #Quantization
خانواده جدید مدلهای Ornith 1.5 با معرفی نسخه 9B، مرزهای اجرای مدلهای زبانی روی سختافزارهای محدود را جابجا کرده است. این مدل متنباز با قابلیت Self-Improving و پنجره متنی ۲۵۶ هزار توکنی، به طور اختصاصی برای استدلال، کدنویسی و کارهای Agentic بهینه شده است.
نکته تحسینبرانگیز این مدل، عملکرد نزدیک به مدلهای بسیار بزرگتر در برخی بنچمارکهای رسمی است. نسخههای Quantized این مدل امکان اجرا روی دستگاههای موبایل و سیستمهای شخصی را فراهم کردهاند.
برای اجرای این مدل میتوانید از ابزارهای زیر استفاده کنید:
• llama.cpp
• Ollama
• LM Studio
فایلهای مورد نیاز و نسخه GGUF را میتوانید از طریق مخزن رسمی Hugging Face دریافت و بر اساس قدرت سختافزار خود، Quantization مناسب را انتخاب کنید.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Ornith_1 #Quantization
🚀 دستیابی ایجنت هوش مصنوعی AVO به رکورد بینظیر
انویدیا به تازگی از ایجنت کدنویس خود به نام AVO رونمایی کرده که موفق شد در بنچمارک استدلالی ARC-AGI-3 امتیاز کامل ۱۰۰ درصد را کسب کند. این سیستم تمام ۱۸۳ مرحله موجود در محیطهای تست را با موفقیت پشت سر گذاشته است.
ویژگیهای کلیدی این دستاورد عبارتند از:
* عدم نیاز به قوانین از پیش تعیین شده یا اهداف صریح.
* یادگیری از طریق آزمون و خطا، مشاهده نتایج و اصلاح استراتژی بر اساس تجربیات قبلی.
* استفاده از حافظه مداوم و بهروزرسانی آن در طول فرآیند یادگیری، بهجای شروع مجدد از صفر.
* بهرهگیری از قدرت مدل Claude Opus 5 برای تحلیلهای پیچیده.
این موفقیت نشاندهنده توانایی مدلهای جدید در تسلط بر وظایف خاص محیطی از طریق تعاملات تکرارشونده است. این رویکرد مسیر جدیدی را برای حل مسائل پیچیده هوش مصنوعی باز میکند که در آن ماشین قادر است بدون مداخله مستقیم، دانش خود را بهصورت پویا بهبود ببخشد.
📚 مطالعه با جزئیات بیشتر
#AVO #ARC_AGI_3
انویدیا به تازگی از ایجنت کدنویس خود به نام AVO رونمایی کرده که موفق شد در بنچمارک استدلالی ARC-AGI-3 امتیاز کامل ۱۰۰ درصد را کسب کند. این سیستم تمام ۱۸۳ مرحله موجود در محیطهای تست را با موفقیت پشت سر گذاشته است.
ویژگیهای کلیدی این دستاورد عبارتند از:
* عدم نیاز به قوانین از پیش تعیین شده یا اهداف صریح.
* یادگیری از طریق آزمون و خطا، مشاهده نتایج و اصلاح استراتژی بر اساس تجربیات قبلی.
* استفاده از حافظه مداوم و بهروزرسانی آن در طول فرآیند یادگیری، بهجای شروع مجدد از صفر.
* بهرهگیری از قدرت مدل Claude Opus 5 برای تحلیلهای پیچیده.
این موفقیت نشاندهنده توانایی مدلهای جدید در تسلط بر وظایف خاص محیطی از طریق تعاملات تکرارشونده است. این رویکرد مسیر جدیدی را برای حل مسائل پیچیده هوش مصنوعی باز میکند که در آن ماشین قادر است بدون مداخله مستقیم، دانش خود را بهصورت پویا بهبود ببخشد.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#AVO #ARC_AGI_3
This media is not supported in your browser
VIEW IN TELEGRAM
🌐 خلق محیطهای سهبعدی تعاملی با SpAItial
ابزار نوآورانه SpAItial با استفاده از مدل هوش مصنوعی Echo-2 به کاربران اجازه میدهد تنها از روی یک تصویر تک یا توصیف متنی، یک محیط سهبعدی کاملاً تعاملی و قابلکاوش خلق کنند.
برخلاف ویدیوهای دوبعدی و ایستا، خروجی این ابزار فضایی پویا است که میتوانید آزادانه در آن حرکت کرده و زاویه دوربین را تغییر دهید. این سیستم همچنین خروجیهای باکیفیت به روش 3D Gaussian Splatting تولید میکند که پتانسیل بالایی در توسعه بازیها و واقعیت مجازی دارد.
ابزار نوآورانه SpAItial با استفاده از مدل هوش مصنوعی Echo-2 به کاربران اجازه میدهد تنها از روی یک تصویر تک یا توصیف متنی، یک محیط سهبعدی کاملاً تعاملی و قابلکاوش خلق کنند.
برخلاف ویدیوهای دوبعدی و ایستا، خروجی این ابزار فضایی پویا است که میتوانید آزادانه در آن حرکت کرده و زاویه دوربین را تغییر دهید. این سیستم همچنین خروجیهای باکیفیت به روش 3D Gaussian Splatting تولید میکند که پتانسیل بالایی در توسعه بازیها و واقعیت مجازی دارد.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
هوش مصنوعی و علم داده به فارسی
🚀 دستیابی ایجنت هوش مصنوعی AVO به رکورد بینظیر انویدیا به تازگی از ایجنت کدنویس خود به نام AVO رونمایی کرده که موفق شد در بنچمارک استدلالی ARC-AGI-3 امتیاز کامل ۱۰۰ درصد را کسب کند. این سیستم تمام ۱۸۳ مرحله موجود در محیطهای تست را با موفقیت پشت سر گذاشته…
هوش مصنوعی و چالش واقعی ARC-AGI
اخیراً گزارشهایی از دستیابی سیستم NVIDIA AVO به امتیاز ۱۰۰٪ در مجموعه آزمون
مهمترین نکات برای درک بهتر این پیشرفت:
* سیستم AVO در واقع از مدل
* امتیاز ۳۰.۱۶٪ برای
* موفقیت اخیر، اهمیت طراحی معماری عاملهای خودگردان (Agentic Systems) را در کنار قدرت پردازشی مدلهای پایه نشان میدهد.
در نهایت، تفاوت در مجموعههای داده و نحوه ارزیابی باعث میشود نتایج مدلهایی مثل
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
اخیراً گزارشهایی از دستیابی سیستم NVIDIA AVO به امتیاز ۱۰۰٪ در مجموعه آزمون
ARC-AGI-3 منتشر شده است. اما باید در تفسیر این اعداد محتاط بود، چرا که این نتیجه بر روی مجموعه عمومی (public set) به دست آمده که با لیدربورد رسمی و نیمهخصوصی تفاوتهای اساسی دارد.مهمترین نکات برای درک بهتر این پیشرفت:
* سیستم AVO در واقع از مدل
Claude Opus 5 به عنوان هسته اصلی استفاده میکند، نه اینکه این امتیاز صرفاً متعلق به یک مدل واحد باشد.* امتیاز ۳۰.۱۶٪ برای
Claude Opus 5 در ارزیابی نیمهخصوصی، معیار دقیقتری برای سنجش قابلیتهای این مدل نسبت به نتایج عمومی است.* موفقیت اخیر، اهمیت طراحی معماری عاملهای خودگردان (Agentic Systems) را در کنار قدرت پردازشی مدلهای پایه نشان میدهد.
در نهایت، تفاوت در مجموعههای داده و نحوه ارزیابی باعث میشود نتایج مدلهایی مثل
GPT-5.6 Sol یا Claude Opus 4.8 با این آمار جدید مستقیماً قابل مقایسه نباشند. این دستاورد بیشتر گامی به سوی سیستمهای خودمختار با افق زمانی طولانی است.📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
This media is not supported in your browser
VIEW IN TELEGRAM
⚡️ کاهش ۲۰ درصدی هزینههای API مدل GPT-5.6 Sol
شرکت OpenAI در اقدامی جدید، هزینه استفاده از مدل پرچمدار GPT-5.6 Sol را در بخش API و اعتبارات کاربری به طور میانگین بیش از ۲۰ درصد کاهش داد. این تغییرات قیمتی تا ۲۱ نوامبر ۲۰۲۶ معتبر بوده و شامل موارد زیر است:
- کاهش هزینه ورودی در کانتکست کوتاه از ۵ به ۴ دلار به ازای هر میلیون توکن.
- کاهش هزینه خروجی در کانتکست کوتاه از ۳۰ به ۲۰ دلار.
- کاهش ۵۰ درصدی هزینه خروجی در کانتکست طولانی از ۶۰ به ۳۰ دلار.
- کاهش هزینه ورودی در کانتکست طولانی از ۱۰ به ۸ دلار.
این بهروزرسانی هزینهها مستقیماً کاربران API، ChatGPT Work و Codex را هدف قرار میدهد، اما تعرفه اشتراکهای ماهانه Plus، Pro و Business تغییری نداشته است. توسعهدهندگانی که بر پروژههای مقیاسپذیر تمرکز دارند، اکنون میتوانند با بودجه کمتری از قدرت این مدل استفاده کنند.
#GPT_5_6_Sol #OpenAI
شرکت OpenAI در اقدامی جدید، هزینه استفاده از مدل پرچمدار GPT-5.6 Sol را در بخش API و اعتبارات کاربری به طور میانگین بیش از ۲۰ درصد کاهش داد. این تغییرات قیمتی تا ۲۱ نوامبر ۲۰۲۶ معتبر بوده و شامل موارد زیر است:
- کاهش هزینه ورودی در کانتکست کوتاه از ۵ به ۴ دلار به ازای هر میلیون توکن.
- کاهش هزینه خروجی در کانتکست کوتاه از ۳۰ به ۲۰ دلار.
- کاهش ۵۰ درصدی هزینه خروجی در کانتکست طولانی از ۶۰ به ۳۰ دلار.
- کاهش هزینه ورودی در کانتکست طولانی از ۱۰ به ۸ دلار.
این بهروزرسانی هزینهها مستقیماً کاربران API، ChatGPT Work و Codex را هدف قرار میدهد، اما تعرفه اشتراکهای ماهانه Plus، Pro و Business تغییری نداشته است. توسعهدهندگانی که بر پروژههای مقیاسپذیر تمرکز دارند، اکنون میتوانند با بودجه کمتری از قدرت این مدل استفاده کنند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#GPT_5_6_Sol #OpenAI
🚀 تحول امنیت کدنویسی با Claude Mythos 5
هوش مصنوعی Claude گام بزرگی در حوزه امنیت سایبری برداشته و مدل جدید Mythos 5 را برای اسکن دقیق مخازن کد معرفی کرده است. این قابلیت اکنون در نسخه Claude Enterprise به صورت بتای عمومی در دسترس قرار گرفته و امکانات ویژهای را به تیمهای توسعه ارائه میدهد.
مهمترین ویژگیهای این قابلیت:
- ارائه تحلیلهای دقیق با دستهبندی استانداردهای امنیتی CWE.
- نمایش میزان اطمینان (Confidence) و سطح شدت (Severity) برای هر آسیبپذیری شناساییشده.
- ارائه پچهای آماده برای رفع باگها بهصورت مستقیم در محیط Claude Code.
- ایجاد صندوق حمایتی ۳۵ میلیون دلاری برای توسعهدهندگان پروژههای متنباز در حوزه امنیت.
با استفاده از مدل Mythos 5، میتوانید اسکنهای منظمی روی مخازن و شاخههای مختلف کدهای خود تعریف کنید تا حفرههای امنیتی پیش از انتشار نهایی شناسایی و اصلاح شوند. این ابزار با سادهسازی فرآیند شناسایی تا رفع خطا، سرعت و دقت در امنیت نرمافزار را به سطح جدیدی ارتقا میدهد.
📚 مطالعه با جزئیات بیشتر
هوش مصنوعی Claude گام بزرگی در حوزه امنیت سایبری برداشته و مدل جدید Mythos 5 را برای اسکن دقیق مخازن کد معرفی کرده است. این قابلیت اکنون در نسخه Claude Enterprise به صورت بتای عمومی در دسترس قرار گرفته و امکانات ویژهای را به تیمهای توسعه ارائه میدهد.
مهمترین ویژگیهای این قابلیت:
- ارائه تحلیلهای دقیق با دستهبندی استانداردهای امنیتی CWE.
- نمایش میزان اطمینان (Confidence) و سطح شدت (Severity) برای هر آسیبپذیری شناساییشده.
- ارائه پچهای آماده برای رفع باگها بهصورت مستقیم در محیط Claude Code.
- ایجاد صندوق حمایتی ۳۵ میلیون دلاری برای توسعهدهندگان پروژههای متنباز در حوزه امنیت.
با استفاده از مدل Mythos 5، میتوانید اسکنهای منظمی روی مخازن و شاخههای مختلف کدهای خود تعریف کنید تا حفرههای امنیتی پیش از انتشار نهایی شناسایی و اصلاح شوند. این ابزار با سادهسازی فرآیند شناسایی تا رفع خطا، سرعت و دقت در امنیت نرمافزار را به سطح جدیدی ارتقا میدهد.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #93 | 📌 6 آیتم گزارش | 🧾 از 14 پست بررسیشده
🕐 جمعه 1405/05/30 ساعت 14:00 تا شنبه 1405/05/31 ساعت 14:00
⚡ مدلها و زیرساختهای هوش مصنوعی
🤖 دستیارها و ابزارهای کاربردی
🗂 گزارش #93 | 📌 6 آیتم گزارش | 🧾 از 14 پست بررسیشده
🕐 جمعه 1405/05/30 ساعت 14:00 تا شنبه 1405/05/31 ساعت 14:00
⚡ مدلها و زیرساختهای هوش مصنوعی
کاهش ۲۰ درصدی هزینههای API مدل GPT-5.6 Sol توسط OpenAI؛ این کاهش قیمت شامل هزینههای ورودی و خروجی در کانتکستهای کوتاه و بلند است و تا نوامبر ۲۰۲۶ معتبر خواهد بود.
🔗 مشاهده پست
عرضه خانواده مدلهای Ornith 1.5 با نسخه 9B؛ این مدل متنباز با پنجره متنی ۲۵۶ هزار توکنی، بهینهشده برای استدلال و کدنویسی، قابلیت اجرا در قالب نسخههای کوانتیزهشده روی موبایل را دارد.
🔗 مشاهده پست
معرفی مدل چندوجهی جدید DeepSeek-V4-Flash-Vision-Exp برای ایجنتهای هوشمند؛ این مدل در بنچمارکهای چندوجهی عملکردی نزدیک به مدلهای سنگین نظیر Opus 4.8 نشان داده است.
🔗 مشاهده پست
🤖 دستیارها و ابزارهای کاربردی
دستیابی ایجنت کدنویس جدید انویدیا با نام AVO به امتیاز کامل ۱۰۰ درصد در بنچمارک ARC-AGI-3؛ این ایجنت با تکیه بر آزمون و خطا و اصلاح استراتژی بدون نیاز به قوانین صریح عمل میکند.
🔗 مشاهده پست
معرفی مدل Claude Mythos 5 از سوی آنتروپیک برای اسکن امنیتی مخازن کد؛ این ابزار آسیبپذیریهای امنیتی را بر اساس استاندارد CWE و با تعیین سطح شدت در نسخه سازمانی تحلیل میکند.
🔗 مشاهده پست
ابزار SpAItial با مدل هوش مصنوعی Echo-2 به کاربران اجازه میدهد بر اساس یک تصویر یا متن، محیطهای سهبعدی پویا و تعاملی باکیفیت به روش 3D Gaussian Splatting تولید کنند.
🔗 مشاهده پست
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🚀 نبرد سنگین غولهای هوش مصنوعی
رقابت بین OpenAI و Anthropic وارد فاز تازهای شده است. در حالی که هر دو شرکت برای تسلط بر بازار زیرساختهای هوش مصنوعی تلاش میکنند، شاهد تغییرات کلیدی در استراتژیهای آنها هستیم.
مهمترین موارد در مورد Anthropic:
* ارزشگذاری: ۹۶۵ میلیارد دلار با درآمد ۶۵ میلیارد دلار.
* سختافزار: سرمایهگذاری سنگین روی تراشههای اختصاصی و توافق ۲۵۰ میلیون دلاری با Fractile.
* نفوذ سازمانی: پیشرو در پذیرش سازمانی با سهم ۴۳.۵ درصدی.
مهمترین موارد در مورد OpenAI:
* استراتژی درآمدی: کاهش ۲۰ درصدی قیمت API و فعالسازی تبلیغات در ChatGPT.
* توسعه محصول: افزایش ۱۴ برابری سرعت استنتاج و تمرکز بر عرضه مدلهای جدید مانند GPT-5.6 Sol.
* کاربر: ۹۰۰ میلیون کاربر هفتگی که فاصله زیادی با رقبا دارد.
این نبرد نشاندهنده تغییر جهت از مدلهای عمومی به سمت زیرساختهای اختصاصی و جذب مشتریان کلان سازمانی است. باید دید آیا سرمایهگذاریهای سنگین روی پردازش و سختافزار، برتری نهایی را برای یکی از این دو رقم میزند یا خیر.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
رقابت بین OpenAI و Anthropic وارد فاز تازهای شده است. در حالی که هر دو شرکت برای تسلط بر بازار زیرساختهای هوش مصنوعی تلاش میکنند، شاهد تغییرات کلیدی در استراتژیهای آنها هستیم.
مهمترین موارد در مورد Anthropic:
* ارزشگذاری: ۹۶۵ میلیارد دلار با درآمد ۶۵ میلیارد دلار.
* سختافزار: سرمایهگذاری سنگین روی تراشههای اختصاصی و توافق ۲۵۰ میلیون دلاری با Fractile.
* نفوذ سازمانی: پیشرو در پذیرش سازمانی با سهم ۴۳.۵ درصدی.
مهمترین موارد در مورد OpenAI:
* استراتژی درآمدی: کاهش ۲۰ درصدی قیمت API و فعالسازی تبلیغات در ChatGPT.
* توسعه محصول: افزایش ۱۴ برابری سرعت استنتاج و تمرکز بر عرضه مدلهای جدید مانند GPT-5.6 Sol.
* کاربر: ۹۰۰ میلیون کاربر هفتگی که فاصله زیادی با رقبا دارد.
این نبرد نشاندهنده تغییر جهت از مدلهای عمومی به سمت زیرساختهای اختصاصی و جذب مشتریان کلان سازمانی است. باید دید آیا سرمایهگذاریهای سنگین روی پردازش و سختافزار، برتری نهایی را برای یکی از این دو رقم میزند یا خیر.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science
🚀 تحول در کیفیت ویدیو با مدل جدید FLUX
تیم BFL از ابزار جدید خود برای افزایش کیفیت ویدیو (Video Upscale) رونمایی کرد. برخلاف ابزارهایی که فریمها را بهصورت جداگانه پردازش میکنند، این مدل بر پایه معماری پیشرفته FLUX 3 بنا شده و ویدیوها را بهصورت یکپارچه بهینهسازی میکند.
ویژگیهای کلیدی این مدل:
- پردازش ویدیو تا ۲۰ ثانیه با وضوح حداکثری ۱۴.۴ مگاپیکسل.
- حالت
- حالت
این ابزار با مدلهای تولید شده توسط FLUX 3 بهترین سازگاری را دارد. برای شروع کار و مشاهده نتایج، میتوانید به Playground رسمی مراجعه کنید و راهنمای کامل را در مستندات BFL مطالعه کنید.
#FLUX_Video_Upscale #FLUX_3
تیم BFL از ابزار جدید خود برای افزایش کیفیت ویدیو (Video Upscale) رونمایی کرد. برخلاف ابزارهایی که فریمها را بهصورت جداگانه پردازش میکنند، این مدل بر پایه معماری پیشرفته FLUX 3 بنا شده و ویدیوها را بهصورت یکپارچه بهینهسازی میکند.
ویژگیهای کلیدی این مدل:
- پردازش ویدیو تا ۲۰ ثانیه با وضوح حداکثری ۱۴.۴ مگاپیکسل.
- حالت
Precise (۴ مرحلهای): مناسب برای حفظ جزئیات اولیه با سرعت و هزینه کمتر.- حالت
Creative (مهمترین مراحلای): برای افزودن جزئیات بیشتر به تصویر، ایدهآل برای محتوای هنری.این ابزار با مدلهای تولید شده توسط FLUX 3 بهترین سازگاری را دارد. برای شروع کار و مشاهده نتایج، میتوانید به Playground رسمی مراجعه کنید و راهنمای کامل را در مستندات BFL مطالعه کنید.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#FLUX_Video_Upscale #FLUX_3
❤2
This media is not supported in your browser
VIEW IN TELEGRAM
🚀 جهش ۲۵ برابری سرعت در Codex CLI
چارلی مارش، بنیانگذار شرکت Astral و خالق ابزارهای پرکاربردی مثل
پیش از این، فرآیند اجرای دستورات شامل مراحلی مانند بارگذاری فایلهای پیکربندی، احراز هویت و آمادهسازی محیط بود که مجموعاً زمان قابلتوجهی را تلف میکرد. حالا این فرآیند بهصورت لحظهای انجام میشود.
برخی نکات مهم درباره این تغییر:
- بازنویسی هسته
- بهینهسازی کامل فرآیندهای راهاندازی و برقراری اتصالات شبکه.
- وعده تیم توسعه برای افزایش بیشتر سرعت در نسخههای آینده.
اگر از کاربران این ابزار هستید، حتماً آخرین نسخه را دریافت کنید تا تفاوت سرعت را تجربه کنید.
📚 مطالعه با جزئیات بیشتر
#Codex_CLI #Astral
چارلی مارش، بنیانگذار شرکت Astral و خالق ابزارهای پرکاربردی مثل
uv و Ruff، خبر از یک بهبود چشمگیر در عملکرد Codex CLI داده است. پس از پیوستن او به تیم OpenAI، او توانسته است زمان اجرای دستورات این ابزار را تا ۲۵ برابر سریعتر کند.پیش از این، فرآیند اجرای دستورات شامل مراحلی مانند بارگذاری فایلهای پیکربندی، احراز هویت و آمادهسازی محیط بود که مجموعاً زمان قابلتوجهی را تلف میکرد. حالا این فرآیند بهصورت لحظهای انجام میشود.
برخی نکات مهم درباره این تغییر:
- بازنویسی هسته
Codex CLI از TypeScript به زبان Rust که تخصص اصلی مارش است.- بهینهسازی کامل فرآیندهای راهاندازی و برقراری اتصالات شبکه.
- وعده تیم توسعه برای افزایش بیشتر سرعت در نسخههای آینده.
اگر از کاربران این ابزار هستید، حتماً آخرین نسخه را دریافت کنید تا تفاوت سرعت را تجربه کنید.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Codex_CLI #Astral
This media is not supported in your browser
VIEW IN TELEGRAM
🚀 تحول در تحقیقات مالی با هوش مصنوعی
تصور کنید یک تیم تحقیقاتی کامل برای تحلیل بازارهای مالی در اختیار دارید که هزینهاش از ۳۰۰ هزار دلار در سال به تنها ۲۴۰۰ دلار کاهش یافته است. این اتفاق با استفاده از Agentهای هوش مصنوعی و مدل گروک به واقعیت تبدیل شده است.
این سیستم شامل ۶ عامل هوشمند است که هر کدام وظیفهای تخصصی بر عهده دارند:
• بررسی گزارشهای مالی و یافتن موارد مشکوک
• تحلیل جلسات ارائه گزارش درآمدی شرکتها
• پایش لحظهای صنایع و تغییرات کلیدی بازار
• ردیابی خرید و فروشهای کلان داخلی (Insider)
• تحلیل فعالیتهای غیرعادی در شبکههای اجتماعی
• مدیریت کل و تجمیع نهایی گزارشها برای تصمیمگیری سریع
این ایجنتها در طول شب فعالیت کرده و پیش از باز شدن بازار، گزارش نهایی را آماده میکنند. نکته جذاب اینجاست که تمامی دستورالعملها و نحوه پیادهسازی این سیستم به صورت عمومی منتشر شده است تا بتوانید تیم تحلیلگر خودتان را بسازید. این یعنی پایان ساعتها جستوجوی دستی در میان دادههای حجیم مالی.
📚 مطالعه با جزئیات بیشتر
تصور کنید یک تیم تحقیقاتی کامل برای تحلیل بازارهای مالی در اختیار دارید که هزینهاش از ۳۰۰ هزار دلار در سال به تنها ۲۴۰۰ دلار کاهش یافته است. این اتفاق با استفاده از Agentهای هوش مصنوعی و مدل گروک به واقعیت تبدیل شده است.
این سیستم شامل ۶ عامل هوشمند است که هر کدام وظیفهای تخصصی بر عهده دارند:
• بررسی گزارشهای مالی و یافتن موارد مشکوک
• تحلیل جلسات ارائه گزارش درآمدی شرکتها
• پایش لحظهای صنایع و تغییرات کلیدی بازار
• ردیابی خرید و فروشهای کلان داخلی (Insider)
• تحلیل فعالیتهای غیرعادی در شبکههای اجتماعی
• مدیریت کل و تجمیع نهایی گزارشها برای تصمیمگیری سریع
این ایجنتها در طول شب فعالیت کرده و پیش از باز شدن بازار، گزارش نهایی را آماده میکنند. نکته جذاب اینجاست که تمامی دستورالعملها و نحوه پیادهسازی این سیستم به صورت عمومی منتشر شده است تا بتوانید تیم تحلیلگر خودتان را بسازید. این یعنی پایان ساعتها جستوجوی دستی در میان دادههای حجیم مالی.
📚 مطالعه با جزئیات بیشتر
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
هوش مصنوعی و علم داده به فارسی
🚀 تحول در تحقیقات مالی با هوش مصنوعی تصور کنید یک تیم تحقیقاتی کامل برای تحلیل بازارهای مالی در اختیار دارید که هزینهاش از ۳۰۰ هزار دلار در سال به تنها ۲۴۰۰ دلار کاهش یافته است. این اتفاق با استفاده از Agentهای هوش مصنوعی و مدل گروک به واقعیت تبدیل شده…
هوش مصنوعی از ابزار به کارمند تبدیل میشود
در سه سال گذشته، استفاده از هوش مصنوعی عمدتاً به معنای نشستن پشت یک چتباکس و تایپ کردن دستورات بود. اما با معرفی Grok Bot توسط xAI، این پارادایم در حال تغییر است. گروک اکنون به کامپیوتر اختصاصی، حافظه و دسترسی به ابزارهای کاری مجهز شده تا وظایف را بهصورت خودکار و در پسزمینه انجام دهد.
تفاوت بزرگ اینجاست: ما دیگر فقط با مدلهای هوشمند سر و کار نداریم، بلکه با «عاملهای خودمختار» مواجهیم که میتوانند جایگزین کارهای تکراری شوند.
مهمترین ویژگیهای این تحول:
• اجرای مستمر: کارها ۲۴ ساعته و بدون نیاز به نظارت مستقیم پیش میروند.
• اتصال به ابزارها: دسترسی به ایمیل، فایلها و نرمافزارهای سازمانی برای تکمیل فرآیندها.
• تغییر نقش انسان: انسان از اپراتورِ فعال به تأییدکننده نهایی تبدیل میشود.
• تمرکز بر نتیجه: خروجی دیگر «متن» نیست، بلکه «کارِ تمامشده» است.
این فناوری قرار نیست یکشبه جایگزین مشاغل شود، بلکه با بر عهده گرفتن وظایف خرد و زمانبر، ساعات کاری زیادی را به انسان باز میگرداند. عصر جدید هوش مصنوعی، عصر «واگذاری کار» است.
📚 مطالعه با جزئیات بیشتر
در سه سال گذشته، استفاده از هوش مصنوعی عمدتاً به معنای نشستن پشت یک چتباکس و تایپ کردن دستورات بود. اما با معرفی Grok Bot توسط xAI، این پارادایم در حال تغییر است. گروک اکنون به کامپیوتر اختصاصی، حافظه و دسترسی به ابزارهای کاری مجهز شده تا وظایف را بهصورت خودکار و در پسزمینه انجام دهد.
تفاوت بزرگ اینجاست: ما دیگر فقط با مدلهای هوشمند سر و کار نداریم، بلکه با «عاملهای خودمختار» مواجهیم که میتوانند جایگزین کارهای تکراری شوند.
مهمترین ویژگیهای این تحول:
• اجرای مستمر: کارها ۲۴ ساعته و بدون نیاز به نظارت مستقیم پیش میروند.
• اتصال به ابزارها: دسترسی به ایمیل، فایلها و نرمافزارهای سازمانی برای تکمیل فرآیندها.
• تغییر نقش انسان: انسان از اپراتورِ فعال به تأییدکننده نهایی تبدیل میشود.
• تمرکز بر نتیجه: خروجی دیگر «متن» نیست، بلکه «کارِ تمامشده» است.
این فناوری قرار نیست یکشبه جایگزین مشاغل شود، بلکه با بر عهده گرفتن وظایف خرد و زمانبر، ساعات کاری زیادی را به انسان باز میگرداند. عصر جدید هوش مصنوعی، عصر «واگذاری کار» است.
📚 مطالعه با جزئیات بیشتر