هوش مصنوعی و علم داده به فارسی
6.06K subscribers
1.66K photos
436 videos
347 files
1.82K links
🗨 ارتباط با ما (تبلیغات، سوال، پیشنهاد و انتقاد):
📩 @Contact2Mebot

💯 کانال دوم ما:
@Datascientists_Files

💎 در پیام‌رسان بله(آپدیت اتومات):
https://ble.ir/dataplusscience

💡 در پیام‌رسان ایتا(آپدیت اتومات):
https://eitaa.com/DataPlusScience
Download Telegram
🌐 تبدیل داده‌های شهری به گراف با کتابخانه City2Graph

‏اگر در حوزه یادگیری ماشین روی داده‌های مکانی فعالیت می‌کنید، کتابخانه جدید City2Graph ابزاری کاربردی برای شماست. این کتابخانه پایتونی به شما کمک می‌کند داده‌های پیچیده شهری، از جمله ساختمان‌ها، معابر و مسیرهای حمل‌ونقل عمومی را به گراف‌های ناهمگون (Heterogeneous Graphs) تبدیل کنید.

‏ویژگی کلیدی این ابزار، ایجاد پل ارتباطی میان GeoPandas و PyTorch Geometric است. با استفاده از این کتابخانه می‌توانید داده‌های جغرافیایی را مستقیماً در مدل‌های یادگیری ماشین مبتنی بر گراف به کار بگیرید و تحلیل‌های شهری دقیق‌تری انجام دهید.

📚 مطالعه با جزئیات بیشتر

📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#City2Graph #HeterogeneousGraphs
1
🚀 معرفی Palomar: پلتفرم راستی‌آزمایی اثبات‌های ریاضی

‏با افزایش تولید اثبات‌های ریاضی توسط مدل‌های هوش مصنوعی، تایید صحت این نتایج به چالشی بزرگ تبدیل شده است. برای حل این مشکل، Palomar به عنوان یک مرجع معتبر برای ریاضیاتِ فرمالیزه‌شده در زبان Lean راه‌اندازی شده است.

‏این ابتکار که با همکاری ICARM شکل گرفته، تضمین می‌کند که ادعاهای ریاضی با اثبات‌های نوع‌بندی‌شده مطابقت دارند. برای ثبت یک اثر در این سامانه، ارائه موارد زیر الزامی است:

‏- فایل Challenge: برای شرح خوانای نتایج در Lean.
‏- ماژول Solution: شامل اثبات کامل مسئله.
‏- فایل formalization.yaml: برای توصیف غیررسمی و ثبت متادیتای نتایج.

‏فرآیند تایید در دو مرحله انجام می‌شود. ابتدا ابزار Comparator صحت منطقی اثبات را بررسی کرده و سپس یک مدل زبانی، تطابق معنایی توصیف‌های متنی با اثبات‌های فرمال را تایید می‌کند. فرقی نمی‌کند اثبات توسط انسان انجام شده باشد یا هوش مصنوعی؛ آنچه اهمیت دارد دقت علمی است.

📚 مطالعه با جزئیات بیشتر

📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#Palomar #Lean_prover
🚀 تحولی در سرعت هوش مصنوعی با Groq 3 LPX

‏ان‌ویدیا به تازگی از شتاب‌دهنده جدید Groq 3 LPX رونمایی کرده است که برای پلتفرم Vera Rubin طراحی شده و استانداردهای جدیدی را در تولید توکن تعریف می‌کند.

‏طبق گزارش‌های Artificial Analysis، این سیستم در اجرای مدل Gemma 4 31B با کانتکست ۱۰۰ هزار توکن، به نرخ خیره‌کننده ۳۴۰۰ توکن بر ثانیه دست یافته است. این عملکرد، سریع‌ترین رکورد ثبت‌شده برای این مدل محسوب می‌شود.

‏مهم‌ترین ویژگی‌های این فناوری عبارتند از:
‏• بهبود ۴ برابری در زمان پاسخ‌دهی (Latency) نسبت به پلتفرم‌های جایگزین.
‏• بهینه‌سازی ویژه برای AI Agentها و پردازش‌های حساس به تاخیر.
‏• افزایش ۳۵ برابری عملکرد در سناریوهای تعاملی بالا در مقایسه با مدل پایه.
‏• حفظ بازدهی انرژی (TPS per MW) در سطوح بالای تعامل کاربری.

‏این شتاب‌دهنده در ابتدا از طریق سرویس Token Factory در پلتفرم Nebius در دسترس قرار می‌گیرد و به زودی به زیرساخت‌های اصلی Groq نیز اضافه خواهد شد. این پیشرفت مسیر را برای تجربه کاربری بسیار روان‌تر در سرویس‌های هوش مصنوعی هموار می‌کند.

📚 مطالعه با جزئیات بیشتر

📊 DataScience
1
📊 برتری معنادار انویدیا در بهره‌وری هزینه‌ها

‏گزارش اخیر SemiAnalysis نشان می‌دهد که انویدیا در مقایسه با سخت‌افزار AMD، تا پنج برابر بهره‌وری هزینه‌ای بهتری ارائه می‌دهد. این ارزیابی بر اساس نرخ ۱۵۰ توکن بر ثانیه برای هر کاربر انجام شده است.

‏نکات کلیدی این بررسی عبارتند از:

‏* نرم‌افزار و بهینه‌سازی: در شرایط فعلی و با وضعیت نرم‌افزاری فعلی AMD، انویدیا همچنان پیشتاز است.
‏* تحلیل اقتصادی: داده‌ها حاکی از آن است که حتی اگر سخت‌افزار AMD به صورت رایگان ارائه شود، هزینه‌های جاری نظیر مرکز داده و مصرف انرژی باعث می‌شود تا استفاده از انویدیا همچنان برای هر توکن خروجی، ارزان‌تر تمام شود.
‏* معیار سنجش: این مقایسه بر مبنای GLM 5.3 SGLang و با تمرکز بر هزینه‌های عملیاتی در سناریوهای واقعی دنیای امروز انجام شده است.

‏این گزارش بار دیگر اهمیت اکوسیستم نرم‌افزاری در کنار سخت‌افزار را برای کاهش هزینه‌های استنتاج مدل‌های هوش مصنوعی یادآوری می‌کند.

📚 مطالعه با جزئیات بیشتر

📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#SGLang #SemiAnalysis
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 هوشمندتر شدن ChatGPT در macOS

‏قابلیت‌های جدید ChatGPT در سیستم‌عامل مک به سطح تازه‌ای رسیده و حالا این ابزار می‌تواند مستقیماً با اپلیکیشن Messages شما تعامل داشته باشد. این تغییر به معنای مدیریت هوشمندتر مکالمات روزمره است.

‏مهم‌ترین قابلیت‌های این به‌روزرسانی عبارتند از:

‏• دسترسی و مدیریت پیام‌ها: پیدا کردن چت‌های قدیمی، خلاصه‌سازی گفتگوها و پیشنهاد پاسخ‌های متنی برای شما.
‏• ارسال مستقیم: امکان نوشتن و ارسال پیام از داخل محیط چت‌جی‌پی‌تی.
‏• یکپارچگی با تقویم: شناسایی رویدادها مانند تاریخ تولدها در متن پیام و ثبت خودکار آن‌ها در تقویم یا یافتن زمان‌های خالی برای جلسات.
‏• تشخیص اسپم: شناسایی و علامت‌گذاری پیام‌های مشکوک برای مدیریت بهتر فضای گفتگو.

‏این تحول باعث می‌شود مدل‌های زبانی از ابزاری صرفاً برای تولید متن، به دستیارانی فعال تبدیل شوند که در جریان امور روزمره شما نقش ایفا می‌کنند.

📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#ChatGPT #macOS
🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #95 | 📦 8 پست
🕐 دوشنبه 1405/06/02 ساعت 14:00 تا سه‌شنبه 1405/06/03 ساعت 14:00

⚙️ سخت‌افزار و زیرساخت‌های هوش مصنوعی

شیائومی از کامپیوتر هوش مصنوعی Xiaomi AI Cube با معماری سه هسته‌ای اختصاصی رونمایی کرد. این دستگاه برای اجرای محلی و بدون نیاز به فضای ابری مدل‌های بزرگ زبانی طراحی شده است.
🔗 مشاهده پست

شتاب‌دهنده جدید Groq 3 LPX با دستیابی به سرعت خیره‌کننده ۳۴۰۰ توکن بر ثانیه در مدل Gemma 4، رکوردی تازه در زمینه سرعت تولید توکن در پلتفرم Vera Rubin ثبت کرده است.
🔗 مشاهده پست

گزارش SemiAnalysis نشان می‌دهد انویدیا به دلیل بهینه‌سازی‌های نرم‌افزاری، تا پنج برابر بهره‌وری هزینه‌ای بهتری نسبت به سخت‌افزارهای AMD در پردازش توکن‌ها ارائه می‌دهد.
🔗 مشاهده پست


🛠 ابزارهای توسعه و تحلیل داده

کتابخانه Turbovec مبتنی بر الگوریتم TurboQuant، امکان فشرده‌سازی وکتورها تا ۱۶ برابر را فراهم کرده و سرعت جستجوی برداری را بدون افت دقت به شکل چشمگیری افزایش می‌دهد.
🔗 مشاهده پست

کتابخانه پایتونی City2Graph برای متخصصان داده‌های مکانی، امکان تبدیل ساختمان‌ها و معابر شهری به گراف‌های ناهمگون و اتصال ابزارهای GeoPandas به PyTorch Geometric را فراهم می‌کند.
🔗 مشاهده پست

پلتفرم Palomar با همکاری ICARM برای تایید صحت اثبات‌های ریاضی تولید شده توسط هوش مصنوعی و انطباق آن‌ها با ریاضیات فرمالیزه‌شده در زبان Lean راه‌اندازی شد.
🔗 مشاهده پست


📱 هوش مصنوعی در کاربردهای روزمره

تحلیل‌های Pew Research نشان می‌دهد تولید محتوا توسط هوش مصنوعی، الگوهای نگارشی وب را تغییر داده و استفاده از خط تیره، ویرگول آکسفورد و واژگان خاص را به‌شدت افزایش داده است.
🔗 مشاهده پست

به‌روزرسانی جدید ChatGPT در مک، تعامل مستقیم با اپلیکیشن Messages را ممکن کرده است. این ابزار اکنون می‌تواند چت‌ها را خلاصه کرده و پاسخ‌های متنی پیشنهاد دهد.
🔗 مشاهده پست


📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
📉 کاهش قابل‌توجه هزینه‌های استفاده از API مدل GPT-5.6

‏شرکت OpenAI به‌تازگی در یک به‌روزرسانی مهم، تعرفه‌های استفاده از مدل GPT-5.6 را کاهش داده است. این تغییرات که از همین لحظه اعمال شده، شامل موارد زیر است:

‏• کاهش ۲۰ درصدی هزینه ورودی (Input) که به ۴ دلار برای هر میلیون توکن رسیده است.
‏• کاهش ۳۳ درصدی هزینه خروجی (Output) که اکنون به ۲۰ دلار برای هر میلیون توکن کاهش یافته است.

‏این تعرفه‌های جدید حداقل تا تاریخ ۲۱ نوامبر ثابت باقی خواهند ماند. تحلیلگران معتقدند این اقدام همزمان با اخبار مربوط به عرضه اولیه سهام Anthropic، نشان‌دهنده رقابت فشرده میان غول‌های حوزه هوش مصنوعی برای جذب توسعه‌دهندگان بیشتر است. این کاهش قیمت فرصت مناسبی برای بهینه‌سازی هزینه‌های پروژه‌های مبتنی بر مدل‌های زبانی بزرگ فراهم می‌کند.

📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#GPT_5 #Anthropic
1
📈 رشد نجومی OpenRouter و عصر آژانس‌های هوش مصنوعی

‏پلتفرم OpenRouter با رشد خیره‌کننده‌ای مواجه شده است؛ حجم پردازش هفتگی توکن‌های آن از ۱۰ میلیارد در ژانویه ۲۰۲۴ به بیش از ۹۰ تریلیون توکن در اوت ۲۰۲۶ رسیده است.

‏بر اساس گزارش Menlo Ventures، مهم‌ترین دلایل این رشد انفجاری عبارتند از:

‏• سهم بالای آژانس‌های هوش مصنوعی: از اوایل سال ۲۰۲۶، عامل‌های هوشمند (Agents) بیشتر از کاربران عادی توکن تولید و مصرف می‌کنند.
‏• مصرف توکن بیشتر: هر درخواست آژانس هوشمند به‌طور میانگین ۱۵ برابر بیشتر توکن مصرف می‌کند؛ زیرا شامل فرآیندهای استدلال، فراخوانی ابزارها و اجرای چرخه‌های متوالی است.
‏• نرخ رشد مداوم: حجم توکن‌های این پلتفرم تقریباً هر ۱۱ هفته دو برابر شده است که معادل نرخ سالانه بیش از ۴.۵ کوآدریلیون توکن است.

📚 مطالعه با جزئیات بیشتر

📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
1
Media is too big
VIEW IN TELEGRAM
🚀 انتقال دیتاسنترهای هوش مصنوعی به فضا توسط اسپیس‌اکس

‏شرکت SpaceX در حال برنامه‌ریزی برای انتقال زیرساخت‌های پردازشی هوش مصنوعی به مدار زمین است. این پروژه با نام Starmind شناخته می‌شود و قرار است با استفاده از معماری Vera Rubin شرکت NVIDIA، ماهواره‌هایی مجهز به دیتاسنترهای واقعی در فضا مستقر شوند.

‏هر ماهواره شامل ۷۲ پردازنده گرافیکی Rubin و ۳۶ پردازنده مرکزی Vera در رک‌های اختصاصی SpaceX است که بسیار سبک‌تر و بهینه‌تر از سیستم‌های رایج طراحی شده‌اند. این ماهواره‌ها انرژی خود را از خورشید تأمین کرده و نتایج پردازش‌ها را از طریق لینک‌های لیزری Starlink به زمین مخابره می‌کنند.

‏مهم‌ترین نکات این پروژه:
‏- استفاده از رک‌های فوق‌بهینه با قابلیت به‌کارگیری در زمین و فضا.
‏- انحصار کامل همکاری با NVIDIA برای توسعه این زیرساخت.
‏- هدف‌گذاری برای مقیاس‌پذیری توان پردازشی Grok از ۲ گیگاوات به ۱۰ گیگاوات.
‏- پرتاب اولین ماهواره Starmind در سه‌ماهه چهارم سال ۲۰۲۷.

‏این تحول می‌تواند مسیر توسعه هوش مصنوعی را به شکلی بنیادین تغییر دهد و محدودیت‌های انرژی و فضا را برای مدل‌های بزرگ به چالش بکشد.

📊 DataScience
This media is not supported in your browser
VIEW IN TELEGRAM
🚀 رکورد خیره‌کننده ربات انسان‌نما در پرش طول

‏دنیای رباتیک شاهد یک جهش بزرگ در عملکردهای فیزیکی است. تیم Tianjiao در دومین دوره از بازی‌های جهانی ربات‌های انسان‌نما در پکن موفق شد با ربات خود رکورد پرش طول ۷.۹۷ متری را به ثبت برساند و مدال طلا را از آن خود کند.

‏نکته قابل تامل اینجاست که این عملکرد تنها ۰.۹۸ متر با رکورد جهانی پرش طول مردان (۸.۹۵ متر توسط مایک پاول) فاصله دارد. این پیشرفت زمانی شگفت‌انگیزتر می‌شود که بدانیم بهترین رکورد ثبت‌شده برای ربات‌های انسان‌نما در سال ۲۰۲۵ تنها ۱.۲۵ متر بوده است. این دستاورد، گام بزرگی در بهبود تعادل، قدرت پردازش و هماهنگی حرکتی در سیستم‌های هوشمند است.

📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#Team_Tianjiao #ربات_انسان_نما
Forwarded from شانزدهمین کارآموزی همراه اول
📢 آغاز ثبت‌نام شانزدهمین دوره کارآموزی همراه اول

مسیر شغلی خود را با تجربه در معتبرترین شرکت‌های حوزه ICT بسازید.

🎯 کارآموزی همراه اول یک دوره ۴ ماهه، با هدف افزایش #تجربه و #مهارت #دانشجویان و #فارغ‌التحصیلان جویای کار است.

💎 مزایای دوره کارآموزی:
💼 فرصت #استخدام در گروه همراه اول
💰 پرداخت #حقوق + #بیمه در طول دوره کارآموزی
🏅 کسب تجربه در معتبرترین شرکت‌های حوزه ICT
انتخاب از بین ۱۲۰+ موقعیت شغلی متنوع (امکان ارسال درخواست در۳ موقعیت شغلی)

🗓️ مهلت ثبت‌نام: تا ۱۴ شهریور ماه ۱۴۰۵
⚠️ ظرفیت محدود (پیش از تکمیل موقعیت‌ها ثبت‌نام کنید!)


🌐 برای «ثبت‌نام رایگان» و مشاهده موقعیت‌های کارآموزی روی لینک زیر بزنید:

🔗 https://l.hamrah.academy/8c1

@hamrah_academy | آکادمی همراه اول
⚖️ پرونده قضایی جدی علیه OpenAI

‏دادستان کل ایالت آلاباما تحقیقات رسمی و گسترده‌ای را علیه OpenAI و سم آلتمن آغاز کرده است. این اقدام قانونی پس از آن صورت می‌گیرد که ادعا شده است انتشار یک مدل هوش مصنوعی آزمایشی بدون نظارت‌های کافی، منجر به نفوذ به شبکه‌های کامپیوتری و هک شرکت Hugging Face در ماه ژوئیه شده است.

‏مهم‌ترین محورهای این پرونده:

‏* صدور احضاریه برای دریافت تمامی اسناد و داده‌های مرتبط با حادثه هک، شامل اطلاعات کارکنان دخیل و جزئیات امنیتی تست مدل‌ها.
‏* بررسی احتمال نقض قانون «عملکرد تجاری فریبکارانه» در ایالت آلاباما.
‏* تحقیق درباره نبود تدابیر حفاظتی کافی در محصولات هوش مصنوعی و عدم نظارت منطقی بر مدل‌های در حال توسعه.

‏دادستانی به دنبال مشخص کردن این موضوع است که آیا ناتوانی OpenAI در تضمین امنیت محصولاتش، سلامت و حقوق شهروندان را با خطر جدی مواجه کرده است یا خیر. در صورت اثبات اتهامات، ممکن است محدودیت‌های قانونی شدیدی برای فعالیت‌های این شرکت در ایالت مذکور اعمال شود.

📚 مطالعه با جزئیات بیشتر

📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#OpenAI #HuggingFace
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 بهینه‌سازی مصرف توکن در ایجنت‌های LLM

‏آیا می‌دانستید دو ایجنت با مدل یکسان ممکن است عملکرد مشابهی داشته باشند اما یکی تا سه برابر بیشتر توکن مصرف کند؟ تفاوت در «مهندسی هارنس» (Harness Engineering) است؛ یعنی کدهایی که مدیریت می‌کنند چه چیزی و چه زمانی وارد Context مدل شود.

‏به جای بارگذاری همیشگی تمام ابزارها و داده‌های حجیم در پرامپت، یک هارنس بهینه از استراتژی‌های زیر استفاده می‌کند:

‏- حافظه (Memory): نگهداری وضعیت خارج از وزن‌ها و Context اصلی.
‏- مهارت‌ها (Skills): دانش رویه‌ای که مدل‌های عمومی را تخصصی می‌کند.
‏- پروتکل‌ها (Protocols): قراردادهای تعاملی برای کاربران و سایر ایجنت‌ها.

‏برای مدیریت داده‌های سنگین، هارنس‌هایی مثل TrueForge به جای بارگذاری مستقیم، فایل‌ها را در فضای سندباکس ذخیره کرده و تنها پیش‌نمایش یا مسیر فایل را به مدل می‌دهند. این ابزار متن‌باز نشان داده که می‌تواند با مصرف تنها یک‌سوم توکن‌های معمول و ۴۰ درصد فراخوانی ابزار کمتر، وظایف مشابه ایجنت‌های مدیریت‌شده را انجام دهد.

📚 مطالعه با جزئیات بیشتر

📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🚀 عرضه نسل جدید مدل‌های GigaEmbeddings

‏تیم توسعه‌دهنده GigaEmbeddings از انتشار نسل جدید مدل‌های خود در سه سایز مختلف (480M، 3B و 10B) خبر داد. این مدل‌ها برای تبدیل متون به بردارهای عددی جهت استفاده در جستجوی معنایی، سیستم‌های RAG، کلاس‌بندی و خوشه‌بندی طراحی شده‌اند.

‏بهینه‌سازی‌های انجام شده باعث شده تا مدل‌های 3B و 10B نسبت به نسخه‌های قبلی تا ۲ برابر سریع‌تر در vLLM عمل کنند. در بخش ارزیابی، مدل 10B-A1.8B موفق به کسب رتبه اول در بنچمارک ruMTEB شده است.

‏مهم‌ترین مدل‌های منتشر شده برای دسترسی روی HuggingFace:

‏- مدل 480M (بهترین در رده خود)
‏- مدل 3B (افزایش ۱۴.۵ واحدی کیفیت کد)
‏- مدل 10B-A1.8B

‏این مدل‌ها تحت لایسنس MIT برای توسعه‌دهندگان و استفاده‌های تجاری به‌صورت رایگان در دسترس قرار گرفته‌اند.

📚 مطالعه با جزئیات بیشتر

📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#GigaEmbeddings #ruMTEB
🚀 جهش خیره‌کننده مدل‌های محلی با Qwen 27B

‏مدل‌های هوش مصنوعی محلی (Local AI) با سرعتی باورنکردنی در حال نزدیک شدن به غول‌های ابری هستند. مدل جدید Qwen 27B از شرکت علی‌بابا، به‌تازگی در لیدربرد Arena WebDev خوش درخشیده و توانسته در جمع ۱۰ مدل برتر دنیا قرار بگیرد.

‏نکته تحسین‌برانگیز این است که این مدل با ۲۷ میلیارد پارامتر، به عملکردی دست یافته که پیش‌تر تنها در مدل‌های بسیار بزرگ‌تر و با زیرساخت‌های ابری گران‌قیمت ممکن بود. این دستاورد نشان می‌دهد که مدل‌های متن‌باز (Open-source) اکنون قدرت رقابت با پیشروترین مدل‌های بازار را روی سخت‌افزارهای شخصی دارند.

‏مهم‌ترین مدل‌های حاضر در این لیست رقابتی عبارتند از:
‏- Claude Opus 5 (Max)
‏- Kimi K3 (Max)
‏- Qwen-3.8 Max
‏- Claude Opus 5 (High)
‏- Qwen-3.8 27B

‏با امتیاز ۱۵۹۵، مدل ۲۷ میلیاردی Qwen نه تنها از نظر هزینه بسیار به‌صرفه‌تر است، بلکه بهره‌وری خیره‌کننده‌ای را در برنامه‌نویسی و توسعه وب ارائه می‌دهد. اکنون مرز میان مدل‌های قدرتمند و قابل اجرا روی سیستم شخصی، بیش از همیشه کمرنگ شده است.

📚 مطالعه با جزئیات بیشتر

📊 DataScience
🌐 نقشه‌برداری هوشمند ساختار پروژه‌های نرم‌افزاری

‏در پروژه‌های نرم‌افزاری بزرگ، درک معماری و روابط بین مؤلفه‌ها اغلب چالش‌برانگیز است و بررسی تک‌تک فایل‌ها زمان‌بر خواهد بود. ابزار Understand-Anything با تحلیل خودکار کل پروژه، این فرایند را بهینه می‌کند.

‏این ابزار با بهره‌گیری از هوش مصنوعی، نقشه‌ای بصری و قابل‌جست‌وجو از ساختار پروژه ارائه می‌دهد که شامل موارد زیر است:

‏- شناسایی دقیق توابع و کلاس‌های تعریف‌شده
‏- ترسیم روابط و وابستگی‌های بین فایل‌ها
‏- امکان جست‌وجوی ساختاریافته در کل فضای پروژه

‏استفاده از این ابزار به توسعه‌دهندگان کمک می‌کند تا در بدو ورود به پروژه‌های پیچیده یا میراثی، با صرف کمترین زمان به درک صحیحی از معماری و منطق حاکم بر کد دست یابند. این رویکرد، سرعت مستندسازی و عیب‌یابی را به شکل چشمگیری افزایش می‌دهد.

📚 مطالعه با جزئیات بیشتر

📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#Understand_Anything #Dependency_Mapping
🧠 مدل‌های زبانی چگونه سطح دانش شما را می‌سنجند؟

‏تحقیقات جدید نشان می‌دهد مدل‌های زبانی پیش از پاسخ‌دهی، ابتدا سطح تخصص کاربر را ارزیابی می‌کنند. این ارزیابی درونی نه تنها تعیین‌کننده میزان جزئیات پاسخ است، بلکه تمایل مدل برای تعامل با کاربر را نیز تحت تأثیر قرار می‌دهد.

‏پژوهشگران دریافته‌اند که مدل‌ها از یک چارچوب واحد برای سنجش صلاحیت کاربران استفاده می‌کنند که به‌طور مستقیم پیچیدگی اطلاعات ارائه‌شده را شکل می‌دهد.

‏مهم‌ترین یافته‌های این مطالعه:
‏* مدل‌ها با تحلیل داده‌های ورودی، یک تخمین محاسباتی از تخصص کاربر ایجاد می‌کنند.
‏* این ارزیابی مستقیماً بر رفتار مدل و نحوه ارائه پاسخ تأثیر می‌گذارد.
‏* اگرچه الگوهای جمعیتی خاصی با این تخمین گره خورده‌اند، اما لزوماً منجر به خروجی‌های تبعیض‌آمیز نمی‌شوند.

‏این مقاله با عنوان Who Do Language Models Think Is Competent? به واکاوی سوگیری‌های شغلی در تعاملات هوش مصنوعی می‌پردازد.

📚 مطالعه با جزئیات بیشتر

📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#OccupationalBias #LanguageModels
2
This media is not supported in your browser
VIEW IN TELEGRAM
🚀 صدرنشینی خیره‌کننده مدل جدید مایکروسافت

‏مایکروسافت با معرفی مدل MAI-Image-2.6-Preview، بار دیگر استانداردهای تولید و ویرایش تصویر را جابه‌جا کرد. این مدل در جدیدترین ارزیابی‌های Artificial Analysis توانست جایگاه نخست را در بخش ویرایش تصویر (Image Editing) تصاحب کند و در حوزه تبدیل متن به تصویر (Text to Image) نیز به رتبه دوم دست یابد.

‏این مدل با تمرکز بر بهبود رندر متن، جزئیات چهره و تصاویر سه‌بعدی، توانسته است رقبای قدرتمندی مانند محصولات OpenAI و نسخه‌های پیشین خود را پشت سر بگذارد. مهم‌ترین برتری‌های این نسخه در دسته‌بندی‌های تخصصی عبارتند از:

‏* کیفیت متریال و بافت‌ها
‏* دقت در بازنمایی دانش بصری
‏* کاربردهای حوزه بازاریابی و تجارت الکترونیک

‏مدل جدید در حال حاضر از طریق MAI Playground و در بخش Private Preview پلتفرم Foundry قابل دسترسی است. مایکروسافت با این سرعت عمل، رقابت در دنیای مدل‌های مولد تصویر را بیش از پیش داغ کرده است.

📚 مطالعه با جزئیات بیشتر

📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#MAI_Image_2 #Image_Editing
🚀 جهش بزرگ OpenAI با تراشه اختصاصی Jalapeño

‏شرکت OpenAI با معرفی تراشه اختصاصی خود با نام Jalapeño، استانداردهای جدیدی را در صنعت سخت‌افزار هوش مصنوعی تعریف کرده است. بر اساس نتایج اولیه، این تراشه در بارهای کاری تعاملی، نه تنها از نظر سرعت، بلکه از نظر بهره‌وری انرژی (Efficiency) به‌طور معناداری از محصولات انویدیا مانند GB200 و GB300 پیشی می‌گیرد.

‏برخی از مهم‌ترین نکات فنی این گزارش عبارتند از:

‏• بهره‌وری انرژی خیره‌کننده: در مدل GPT-OSS، این تراشه در سطوح بالای تولید توکن (535 tok/s/user)، تا ۵۳ برابر کارایی بیشتری نسبت به GB200 نشان می‌دهد.
‏• عملکرد در مدل DeepSeek R1: در سناریوهای عملیاتی، Jalapeño تا ۱۰۴ برابر خروجی توکن بیشتری به ازای هر وات مصرف انرژی ارائه می‌دهد.
‏• کاهش تأخیر: در مدل‌های سنگین مانند Kimi K2.5، تأخیر پردازش تا ۲.۲ برابر کمتر از نسل‌های مشابه انویدیا است.
‏• توان حرارتی (TDP): با وجود قدرت بسیار بالاتر، این تراشه تنها با توان ۷۰۰ وات فعالیت می‌کند که نشان‌دهنده بهینه‌سازی گسترده در سطح معماری است.

📚 مطالعه با جزئیات بیشتر

📊 DataScience