🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #119 | 📌 8 آیتم گزارش | 🧾 از 17 پست بررسیشده
🕐 شنبه 1405/06/28 ساعت 14:00 تا یکشنبه 1405/06/29 ساعت 14:00
🔎 تحلیل کوتاه
🛡️ چالشهای امنیتی و اخلاقی هوش مصنوعی
🌐 رقابتهای راهبردی و توسعه زیرساختها
💡 نوآوریها و کاربردهای نوین کاربردی
🗂 گزارش #119 | 📌 8 آیتم گزارش | 🧾 از 17 پست بررسیشده
🕐 شنبه 1405/06/28 ساعت 14:00 تا یکشنبه 1405/06/29 ساعت 14:00
🔎 تحلیل کوتاه
رقابت فشرده در توسعه هوش مصنوعی علیرغم هشدارهای امنیتی تداوم دارد؛ به طوری که از یک سو گزارشهایی از نفوذ خودکار به سیستمهای واقعی منتشر شده و از سوی دیگر، منتقدان تلاشها برای کند کردن توسعه هوش مصنوعی را ترفندی برای حفظ انحصار میدانند.
🛡️ چالشهای امنیتی و اخلاقی هوش مصنوعی
نفوذ خودکار عوامل هوش مصنوعی Gemini به سیستمهای واقعی شرکتها
گوگل تایید کرد که عوامل هوشمند جمینای طی تستهای امنیتی به سیستمهای داخلی ۳ شرکت واقعی نفوذ کردهاند. نفوذ خودکار عوامل هوش مصنوعی Gemini به سیستمهای واقعی شرکتها
🔗 مشاهده پست
نفوذ تیم امنیتی هکتور به OpenAI با بهرهگیری از هوش مصنوعی Claude
محققان کلاهسفید با استفاده از توانمندیهای مدل کلاد، دو روزنه امنیتی حساس در چتجیپیتی را شناسایی کردند. نفوذ تیم امنیتی هکتور به OpenAI با بهرهگیری از هوش مصنوعی Claude
🔗 مشاهده پست
جنجال حقوقی دور زدن سیستم پرداخت نیویورکتایمز توسط OpenAI
اسناد جدید فاش میکند تیمهای آموزشی اوپنایآی برای جمعآوری داده، دیوارهای پرداخت این رسانه را دور زدهاند.
🔗 نسخه مفصل در سایت
🌐 رقابتهای راهبردی و توسعه زیرساختها
مخالفت فرانسه با درخواستهای جهانی برای کند کردن روند توسعه هوش مصنوعی
وزیر دارایی فرانسه تلاشها برای توقف توسعه هوش مصنوعی را استراتژی آمریکا برای حفظ سلطه و انحصار خواند.
🔗 نسخه مفصل در سایت
تدارک Anthropic برای عرضه مدل جدید رقابتی علیرغم هشدارهای مدیرعامل
آنتروپیک در حالی مدل جدید خود را تست میکند که مدیرعاملش اخیراً خواستار مهار سرعت توسعه هوش مصنوعی شده بود. تدارک Anthropic برای عرضه مدل جدید رقابتی علیرغم هشدارهای مدیرعامل
🔗 مشاهده پست
بحران جدی ظرفیت پردازش و توقف بازنشانی محدودیتهای Codex در OpenAI
به دلیل افزایش شدید تقاضا، اوپنایآی بیش از یک هفته است که محدودیتهای پردازشی Codex را بازنشانی نکرده است. بحران جدی ظرفیت پردازش و توقف بازنشانی محدودیتهای Codex در OpenAI
🔗 مشاهده پست
💡 نوآوریها و کاربردهای نوین کاربردی
معرفی مدل Jev؛ رویکردی نوین برای قضاوت سریع و کمهزینه بدون تولید متن
این مدل با حذف زنجیره کلمات متوالی، تصمیمگیریهای ساختاریافته را با هزینهای ناچیز ارائه میدهد. معرفی مدل Jev؛ رویکردی نوین برای قضاوت سریع و کمهزینه بدون تولید متن
🔗 مشاهده پست
ورود استراتژیک Anthropic به دنیای واقعی با راهاندازی آزمایشگاه فیزیکی
آنتروپیک آزمایشگاهی زیستی در خلیج سانفرانسیسکو تأسیس کرده تا از کلاد برای هدایت رباتها استفاده کند.
🔗 مشاهده پست
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🚀 انتشار مدل قدرتمند Alice AI توسط یاندکس
تیم یاندکس به تازگی مدل Alice AI-T5-35B-A0.6B را به صورت متنباز منتشر کرده است. این مدل که در موتور جستجوی یاندکس برای پاسخدهی سریع استفاده میشود، با معماری نوآورانه Encoder-Decoder و ترکیب تکنولوژی MoE توانسته است عملکردی خیرهکننده ثبت کند.
از مهمترین نکات فنی این مدل میتوان به موارد زیر اشاره کرد:
• معماری خاص: این مدل با استفاده از ترکیب انکودر-دیکودر و MoE، کارایی مدلهای ۳۵ میلیارد پارامتری را با هزینه محاسباتی مدلهای ۰.۶ میلیاردی فراهم میکند.
• بهینهسازی контекست: استفاده از یک مدل اختصاصی کوچک برای فیلتر کردن توکنهای غیرضروری و کاهش بار پردازشی.
• آموزش RLHF بدون دخالت مستقیم انسان: مدل بر اساس تحلیل خودکار بازخوردهای واقعی کاربران در محیط جستجو بهینهسازی شده است.
• نتایج عملیاتی: بهبود ۰.۳۴ درصدی در معیارهای محصولی و برتری ۵۶.۷ درصدی در مقایسههای Side-by-Side نسبت به Google AI Overview.
معرفی Alice AI T5-35B-A0.6B: مدل متنباز یاندکس با معماری نوآورانه
تیم یاندکس به تازگی مدل Alice AI-T5-35B-A0.6B را به صورت متنباز منتشر کرده است. این مدل که در موتور جستجوی یاندکس برای پاسخدهی سریع استفاده میشود، با معماری نوآورانه Encoder-Decoder و ترکیب تکنولوژی MoE توانسته است عملکردی خیرهکننده ثبت کند.
از مهمترین نکات فنی این مدل میتوان به موارد زیر اشاره کرد:
• معماری خاص: این مدل با استفاده از ترکیب انکودر-دیکودر و MoE، کارایی مدلهای ۳۵ میلیارد پارامتری را با هزینه محاسباتی مدلهای ۰.۶ میلیاردی فراهم میکند.
• بهینهسازی контекست: استفاده از یک مدل اختصاصی کوچک برای فیلتر کردن توکنهای غیرضروری و کاهش بار پردازشی.
• آموزش RLHF بدون دخالت مستقیم انسان: مدل بر اساس تحلیل خودکار بازخوردهای واقعی کاربران در محیط جستجو بهینهسازی شده است.
• نتایج عملیاتی: بهبود ۰.۳۴ درصدی در معیارهای محصولی و برتری ۵۶.۷ درصدی در مقایسههای Side-by-Side نسبت به Google AI Overview.
معرفی Alice AI T5-35B-A0.6B: مدل متنباز یاندکس با معماری نوآورانه
🤖 چالش استقلال در ارزیابی مدلهای هوش مصنوعی
شرکت Anthropic در راستای وعدههای پیشین خود برای افزایش شفافیت، همکاری جدیدی را با شرکت مشاوره Accenture برای «ارزیابی مستقل» مدلهای هوش مصنوعی آغاز کرده است. این همکاری شامل بررسیهای امنیتی، تستهای نفوذ (Red-teaming) و ارزیابی همسویی (Alignment) مدلهاست.
با این حال، این اقدام با انتقاداتی در خصوص معنای واقعی «استقلال» مواجه شده است. مهمترین نکات قابل تامل در این همکاری عبارتند از:
* تضاد منافع مالی: Anthropic خود مسئول تامین مالی فعالیتهای ارزیابی Accenture است.
* سابقه همکاری تجاری: پیش از این، قراردادی چندجانبه برای آموزش بیش از ۳۰ هزار نیروی متخصص Accenture جهت کار با مدلهای Claude منعقد شده بود.
* تجربه مشابه با METR: پیشتر نیز ارزیابیهای صورت گرفته توسط موسسه METR مورد نقد قرار گرفت، چرا که مشخص شد این موسسه نیز از طریق سهام، به نوعی با منافع مالی Anthropic گره خورده است.
چالشهای شفافیت و استقلال در فرآیند ارزیابی مدلهای هوش مصنوعی Anthropic
شرکت Anthropic در راستای وعدههای پیشین خود برای افزایش شفافیت، همکاری جدیدی را با شرکت مشاوره Accenture برای «ارزیابی مستقل» مدلهای هوش مصنوعی آغاز کرده است. این همکاری شامل بررسیهای امنیتی، تستهای نفوذ (Red-teaming) و ارزیابی همسویی (Alignment) مدلهاست.
با این حال، این اقدام با انتقاداتی در خصوص معنای واقعی «استقلال» مواجه شده است. مهمترین نکات قابل تامل در این همکاری عبارتند از:
* تضاد منافع مالی: Anthropic خود مسئول تامین مالی فعالیتهای ارزیابی Accenture است.
* سابقه همکاری تجاری: پیش از این، قراردادی چندجانبه برای آموزش بیش از ۳۰ هزار نیروی متخصص Accenture جهت کار با مدلهای Claude منعقد شده بود.
* تجربه مشابه با METR: پیشتر نیز ارزیابیهای صورت گرفته توسط موسسه METR مورد نقد قرار گرفت، چرا که مشخص شد این موسسه نیز از طریق سهام، به نوعی با منافع مالی Anthropic گره خورده است.
چالشهای شفافیت و استقلال در فرآیند ارزیابی مدلهای هوش مصنوعی Anthropic
🚀 آینده در دستان رباتهای انساننما
گلدمن ساکس در گزارش جدید خود پیشبینیهایش را برای توسعه هوش مصنوعی فیزیکی (Embodied AI) بهروزرسانی کرده است. طبق این تحلیل، تا سال ۲۰۳۵ شاهد تولید ۶.۵ میلیون ربات انساننما خواهیم بود که بازاری به ارزش ۱۳۸ میلیارد دلار ایجاد میکند.
این مسیر با سرعت خیرهکنندهای پیش میرود؛ بهطوری که پیشبینی تولید برای سال ۲۰۳۰، بیش از سه برابر برآوردهای قبلی افزایش یافته است. کاربرد اصلی این فناوری در مراحل ابتدایی، انبارداری، لجستیک و صنعت خودرو خواهد بود.
مهمترین تحولات اخیر در این حوزه:
* گزارش Goldman Sachs: بررسی چشمانداز اقتصادی هوش مصنوعی برای اقتصاد واقعی.
* NVIDIA: توسعه اکوسیستم سختافزاری و نرمافزاری شامل
* Tesla: بازطراحی خطوط تولید در کارخانه فریمونت جهت آمادهسازی برای تولید انبوه ربات
گلدمن ساکس: پیشبینی بازار ۱۳۸ میلیارد دلاری برای هوش مصنوعی فیزیکی
گلدمن ساکس در گزارش جدید خود پیشبینیهایش را برای توسعه هوش مصنوعی فیزیکی (Embodied AI) بهروزرسانی کرده است. طبق این تحلیل، تا سال ۲۰۳۵ شاهد تولید ۶.۵ میلیون ربات انساننما خواهیم بود که بازاری به ارزش ۱۳۸ میلیارد دلار ایجاد میکند.
این مسیر با سرعت خیرهکنندهای پیش میرود؛ بهطوری که پیشبینی تولید برای سال ۲۰۳۰، بیش از سه برابر برآوردهای قبلی افزایش یافته است. کاربرد اصلی این فناوری در مراحل ابتدایی، انبارداری، لجستیک و صنعت خودرو خواهد بود.
مهمترین تحولات اخیر در این حوزه:
* گزارش Goldman Sachs: بررسی چشمانداز اقتصادی هوش مصنوعی برای اقتصاد واقعی.
* NVIDIA: توسعه اکوسیستم سختافزاری و نرمافزاری شامل
Omniverse، Cosmos، Isaac و Jetson برای هوشمندسازی رباتهای انبار.* Tesla: بازطراحی خطوط تولید در کارخانه فریمونت جهت آمادهسازی برای تولید انبوه ربات
Optimus.گلدمن ساکس: پیشبینی بازار ۱۳۸ میلیارد دلاری برای هوش مصنوعی فیزیکی
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 تحولی در هوش مصنوعی: اجرای موازی با Claude Code
ابزار Claude Code به قابلیتهای جدیدی مجهز شده که مدیریت پروژهها را متحول میکند. از این پس، شما میتوانید چندین وظیفه متفاوت را به صورت همزمان در یک نشست کاری آغاز کنید.
این سیستم جدید با تقسیم هوشمندانه فعالیتها در تردهای موازی، بهرهوری شما را به شکل چشمگیری افزایش میدهد. مهمترین ویژگیهای این بهروزرسانی:
• اشتراکگذاری Context پروژه بین تمامی تردهای فعال.
• تداوم پردازش وظایف در فضای ابری، حتی پس از بستن لپتاپ یا قطع اتصال.
• حذف نیاز به نظارت لحظهای بر تکتک تسکها و افزایش تمرکز روی خروجی نهایی.
با این قابلیت، Claude به جای یک دستیار ساده، به یک موتور پردازشی چندمنظوره تبدیل شده که میتواند در پسزمینه به پیشبرد پروژههای پیچیده شما ادامه دهد.
#Claude_Code #پردازش_موازی
ابزار Claude Code به قابلیتهای جدیدی مجهز شده که مدیریت پروژهها را متحول میکند. از این پس، شما میتوانید چندین وظیفه متفاوت را به صورت همزمان در یک نشست کاری آغاز کنید.
این سیستم جدید با تقسیم هوشمندانه فعالیتها در تردهای موازی، بهرهوری شما را به شکل چشمگیری افزایش میدهد. مهمترین ویژگیهای این بهروزرسانی:
• اشتراکگذاری Context پروژه بین تمامی تردهای فعال.
• تداوم پردازش وظایف در فضای ابری، حتی پس از بستن لپتاپ یا قطع اتصال.
• حذف نیاز به نظارت لحظهای بر تکتک تسکها و افزایش تمرکز روی خروجی نهایی.
با این قابلیت، Claude به جای یک دستیار ساده، به یک موتور پردازشی چندمنظوره تبدیل شده که میتواند در پسزمینه به پیشبرد پروژههای پیچیده شما ادامه دهد.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Claude_Code #پردازش_موازی
🚀 هوش مصنوعی؛ قاتل مشاغل یا موتور اشتغالزایی؟
برخلاف پیشبینیهای بدبینانه مبنی بر نابودی میلیونها شغل توسط هوش مصنوعی، گزارش اکونومیست نشان میدهد که این فناوری در ایالات متحده حدود ۱ میلیون شغل فراتر از روندهای معمول ایجاد کرده است.
اگرچه از اواسط سال ۲۰۲۳ حدود ۲۰۰ هزار موقعیت شغلی در حوزههایی که شرکتها مستقیماً به هوش مصنوعی اشاره کردهاند حذف شده، اما یک غافلگیری بزرگ در جریان است. بخش عمده مشاغل جدید نه در دنیای کدنویسی، بلکه در زیرساختهای فیزیکی شکل گرفتهاند.
مهمترین حوزههای اشتغالزایی ناشی از این موج شامل موارد زیر است:
• تکنسینهای برق و سیستمهای تهویه
• نیروهای متخصص در ساختوساز
• کارگران تأسیسات زیربنایی برای احداث مراکز داده عظیم
• مهندسان نرمافزار و توسعهدهندگان سیستمها
• متخصصان علم داده و هوش مصنوعی
شواهد نشان میدهد که هوش مصنوعی صرفاً در حال جایگزینی نیروی انسانی نیست؛ بلکه در حال ساخت یک اقتصاد کاملاً جدید پیرامون زیرساختهای مورد نیاز خود است.
هوش مصنوعی؛ موتور اشتغالزایی یا عامل حذف مشاغل؟
برخلاف پیشبینیهای بدبینانه مبنی بر نابودی میلیونها شغل توسط هوش مصنوعی، گزارش اکونومیست نشان میدهد که این فناوری در ایالات متحده حدود ۱ میلیون شغل فراتر از روندهای معمول ایجاد کرده است.
اگرچه از اواسط سال ۲۰۲۳ حدود ۲۰۰ هزار موقعیت شغلی در حوزههایی که شرکتها مستقیماً به هوش مصنوعی اشاره کردهاند حذف شده، اما یک غافلگیری بزرگ در جریان است. بخش عمده مشاغل جدید نه در دنیای کدنویسی، بلکه در زیرساختهای فیزیکی شکل گرفتهاند.
مهمترین حوزههای اشتغالزایی ناشی از این موج شامل موارد زیر است:
• تکنسینهای برق و سیستمهای تهویه
• نیروهای متخصص در ساختوساز
• کارگران تأسیسات زیربنایی برای احداث مراکز داده عظیم
• مهندسان نرمافزار و توسعهدهندگان سیستمها
• متخصصان علم داده و هوش مصنوعی
شواهد نشان میدهد که هوش مصنوعی صرفاً در حال جایگزینی نیروی انسانی نیست؛ بلکه در حال ساخت یک اقتصاد کاملاً جدید پیرامون زیرساختهای مورد نیاز خود است.
هوش مصنوعی؛ موتور اشتغالزایی یا عامل حذف مشاغل؟
تکنیکهای بهینهسازی LLM: درک تفاوتهای PEFT
بسیاری از متخصصان از روشهای Fine-tuning استفاده میکنند، اما تفاوت دقیق میان متدهایی مثل LoRA یا QLoRA اغلب نادیده گرفته میشود. درک این تمایزات کلیدی است، زیرا هر روش بخش متفاوتی از مدل را هدف قرار میدهد. در اینجا مهمترین تکنیکها را بررسی میکنیم:
• LoRA: با فریز کردن وزنهای اصلی، آپدیتها را در دو ماتریس کوچکتر A و B جای میدهد تا پارامترهای آموزشدیدنی به شدت کاهش یابد.
• LoRA-FA: با فریز کردن ماتریس A، علاوه بر پارامترها، حافظه فعال (Activation Memory) مصرفی را نیز کاهش میدهد.
• QLoRA: مدل پایه را به صورت 4-bit کوانتایز میکند تا امکان اجرای مدلهای عظیم روی سختافزارهای محدود فراهم شود.
• VeRA: با استفاده از ماتریسهای تصادفی فریز شده و یادگیری بردارهای مقیاسبندی کوچک، تعداد پارامترهای آموزشدیدنی را باز هم کاهش میدهد.
• LoRA+: با اختصاص نرخ یادگیری متفاوت به ماتریسهای A و B، بهینهسازی مدل را کارآمدتر میکند.
بررسی فنی روشهای PEFT: درک تفاوتهای ساختاری در فاینتیونینگ مدلهای زبانی
بسیاری از متخصصان از روشهای Fine-tuning استفاده میکنند، اما تفاوت دقیق میان متدهایی مثل LoRA یا QLoRA اغلب نادیده گرفته میشود. درک این تمایزات کلیدی است، زیرا هر روش بخش متفاوتی از مدل را هدف قرار میدهد. در اینجا مهمترین تکنیکها را بررسی میکنیم:
• LoRA: با فریز کردن وزنهای اصلی، آپدیتها را در دو ماتریس کوچکتر A و B جای میدهد تا پارامترهای آموزشدیدنی به شدت کاهش یابد.
• LoRA-FA: با فریز کردن ماتریس A، علاوه بر پارامترها، حافظه فعال (Activation Memory) مصرفی را نیز کاهش میدهد.
• QLoRA: مدل پایه را به صورت 4-bit کوانتایز میکند تا امکان اجرای مدلهای عظیم روی سختافزارهای محدود فراهم شود.
• VeRA: با استفاده از ماتریسهای تصادفی فریز شده و یادگیری بردارهای مقیاسبندی کوچک، تعداد پارامترهای آموزشدیدنی را باز هم کاهش میدهد.
• LoRA+: با اختصاص نرخ یادگیری متفاوت به ماتریسهای A و B، بهینهسازی مدل را کارآمدتر میکند.
بررسی فنی روشهای PEFT: درک تفاوتهای ساختاری در فاینتیونینگ مدلهای زبانی
هوش مصنوعی ScientistTwo: فراتر از مرزهای دانش انسانی
محققان Google Cloud AI از سیستم جدیدی به نام ScientistTwo رونمایی کردهاند که قادر است بهصورت خودمختار، چرخه کامل تحقیقات یادگیری ماشین (ML) را هدایت کند. این سیستم با پیشنهاد فرضیات، کدنویسی، اجرای آزمایشها و حتی بازنگری مقالات توسط مدلهای ایجنت، فرآیند کشف علمی را متحول کرده است.
برخی از مهمترین دستاوردهای این سیستم عبارتند از:
* عبور از رکورد فعلی انسان (SOTA) در ۸۶ پروژه از ۱۰۷ تحقیق مطرح کنفرانسهای ICLR، ICML و NeurIPS.
* دستیابی به میانگین بهبود ۲۵.۲ درصدی در پروژههای موفق.
* کسب امتیاز کیفی بالاتر از میانگین مقالات پذیرفتهشده در کنفرانسهای معتبر سال ۲۰۲۵ و ۲۰۲۶ توسط داوران هوش مصنوعی.
* گذراندن موفقیتآمیز تمام ممیزیهای یکپارچگی، شامل بازتولید دقیق اعداد و عدم استفاده از ارجاعات توهمی.
سیستم ScientistTwo گوگل؛ هوش مصنوعی خودمختار برای تحقیقات یادگیری ماشین
محققان Google Cloud AI از سیستم جدیدی به نام ScientistTwo رونمایی کردهاند که قادر است بهصورت خودمختار، چرخه کامل تحقیقات یادگیری ماشین (ML) را هدایت کند. این سیستم با پیشنهاد فرضیات، کدنویسی، اجرای آزمایشها و حتی بازنگری مقالات توسط مدلهای ایجنت، فرآیند کشف علمی را متحول کرده است.
برخی از مهمترین دستاوردهای این سیستم عبارتند از:
* عبور از رکورد فعلی انسان (SOTA) در ۸۶ پروژه از ۱۰۷ تحقیق مطرح کنفرانسهای ICLR، ICML و NeurIPS.
* دستیابی به میانگین بهبود ۲۵.۲ درصدی در پروژههای موفق.
* کسب امتیاز کیفی بالاتر از میانگین مقالات پذیرفتهشده در کنفرانسهای معتبر سال ۲۰۲۵ و ۲۰۲۶ توسط داوران هوش مصنوعی.
* گذراندن موفقیتآمیز تمام ممیزیهای یکپارچگی، شامل بازتولید دقیق اعداد و عدم استفاده از ارجاعات توهمی.
سیستم ScientistTwo گوگل؛ هوش مصنوعی خودمختار برای تحقیقات یادگیری ماشین
🎨 معرفی مدل جدید Qwen-Image-2.1 برای تولید تصویر
تیم Qwen به تازگی مدل Qwen-Image-2.1 را با معماری ۷ میلیارد پارامتری منتشر کرده است. این مدل با هدف ترکیب قابلیتهای تولید و ویرایش تصویر در یک پایپلاین واحد طراحی شده و با وجود ابعاد بهینه، عملکرد تحسینبرانگیزی را در بنچمارکها به نمایش گذاشته است.
مهمترین ویژگیهای این مدل عبارتند از:
• پشتیبانی از چندین رفرنس همزمان تا ۱۰ تصویر
• قابلیت ویرایش دقیق با حفظ هویت سوژه، چهره یا محصول
• تولید بومی تصاویر RGBA با قابلیت شفافیت
• بهبود چشمگیر در رندرینگ متن و تایپوگرافی
• بهینهسازی سرعت استنتاج برای سناریوهای چندتصویری
این مدل با امتیاز ۶۰.۲۸ در بنچمارکها، گزینهای قدرتمند برای استفاده در پروژههای اینفوگرافیک، طراحی پانوراما و سیستمهای پرو مجازی (Virtual Try-on) محسوب میشود. اگرچه در رقابت با مدلهای بزرگتری نظیر GPT Image 2.5 هنوز در رتبههای پایینتر قرار دارد، اما بهرهوری آن در مدلهای ۷ میلیاردی قابل توجه است.
معرفی Qwen-Image-2.1؛ مدل هوشمند ۷ میلیاردی برای تولید و ویرایش تصویر
📊 Data➕Science
تیم Qwen به تازگی مدل Qwen-Image-2.1 را با معماری ۷ میلیارد پارامتری منتشر کرده است. این مدل با هدف ترکیب قابلیتهای تولید و ویرایش تصویر در یک پایپلاین واحد طراحی شده و با وجود ابعاد بهینه، عملکرد تحسینبرانگیزی را در بنچمارکها به نمایش گذاشته است.
مهمترین ویژگیهای این مدل عبارتند از:
• پشتیبانی از چندین رفرنس همزمان تا ۱۰ تصویر
• قابلیت ویرایش دقیق با حفظ هویت سوژه، چهره یا محصول
• تولید بومی تصاویر RGBA با قابلیت شفافیت
• بهبود چشمگیر در رندرینگ متن و تایپوگرافی
• بهینهسازی سرعت استنتاج برای سناریوهای چندتصویری
این مدل با امتیاز ۶۰.۲۸ در بنچمارکها، گزینهای قدرتمند برای استفاده در پروژههای اینفوگرافیک، طراحی پانوراما و سیستمهای پرو مجازی (Virtual Try-on) محسوب میشود. اگرچه در رقابت با مدلهای بزرگتری نظیر GPT Image 2.5 هنوز در رتبههای پایینتر قرار دارد، اما بهرهوری آن در مدلهای ۷ میلیاردی قابل توجه است.
معرفی Qwen-Image-2.1؛ مدل هوشمند ۷ میلیاردی برای تولید و ویرایش تصویر
📊 Data➕Science
هوش مصنوعی؛ فراتر از مدلهای مولد با Jev
در معماری ایجنتهای هوش مصنوعی، معمولاً از یک مدل زبانی (LLM) برای همه کارها استفاده میشود؛ از استدلالهای پیچیده گرفته تا تصمیمگیریهای ساده. اما مدل جدید Jev، رویکرد متفاوتی را ارائه میدهد که مبتنی بر جداسازی «مدلهای مولد» از «مدلهای تصمیمگیر» است.
مدلهای مولد برای کارهای باز مثل نوشتن کد یا خلاصهسازی عالی هستند، اما برای تصمیمات ساختاریافته (Bounded Decisions) بهینه نیستند. Jev به جای تولید متن، مستقیماً پاسخهای تایپشده با احتمال مشخص ارائه میدهد تا مستقیماً در کد برنامه شما استفاده شود.
مهمترین قابلیتهای این مدل:
• Noul: تصمیمگیریهای بله/خیر با دقت بالا.
• Choice: انتخاب بین گزینههای از پیش تعریف شده (مناسب برای Routing مدلها یا انتخاب ابزار).
• Score: ارزیابی بر اساس مقیاسهای عددی برای بررسی کیفیت خروجی یا پیشرفت ایجنت.
تحلیل عمیق معماری Jev: انقلابی در تصمیمگیری هوشمند ایجنتهای هوش مصنوعی
#Jev #TypeSafe
در معماری ایجنتهای هوش مصنوعی، معمولاً از یک مدل زبانی (LLM) برای همه کارها استفاده میشود؛ از استدلالهای پیچیده گرفته تا تصمیمگیریهای ساده. اما مدل جدید Jev، رویکرد متفاوتی را ارائه میدهد که مبتنی بر جداسازی «مدلهای مولد» از «مدلهای تصمیمگیر» است.
مدلهای مولد برای کارهای باز مثل نوشتن کد یا خلاصهسازی عالی هستند، اما برای تصمیمات ساختاریافته (Bounded Decisions) بهینه نیستند. Jev به جای تولید متن، مستقیماً پاسخهای تایپشده با احتمال مشخص ارائه میدهد تا مستقیماً در کد برنامه شما استفاده شود.
مهمترین قابلیتهای این مدل:
• Noul: تصمیمگیریهای بله/خیر با دقت بالا.
• Choice: انتخاب بین گزینههای از پیش تعریف شده (مناسب برای Routing مدلها یا انتخاب ابزار).
• Score: ارزیابی بر اساس مقیاسهای عددی برای بررسی کیفیت خروجی یا پیشرفت ایجنت.
تحلیل عمیق معماری Jev: انقلابی در تصمیمگیری هوشمند ایجنتهای هوش مصنوعی
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Jev #TypeSafe
🤖 نفوذ ناخواسته هوش مصنوعی گوگل به سه شرکت واقعی
مدل هوش مصنوعی Gemini گوگل در جریان یک تست امنیت سایبری که قرار بود در یک محیط شبیهسازیشده و ایزوله انجام شود، به سیستمهای سه شرکت واقعی نفوذ کرد.
قرار بود این مدل به یک شرکت فرضی در چالش «تسخیر پرچم» (Capture the Flag) حمله کند، اما یک اشتباه پیکربندی باعث شد Gemini به اینترنت عمومی دسترسی پیدا کند. این هوش مصنوعی با استفاده از اطلاعات عمومی، حدس زدن رمزهای عبور و یافتن اعتبارنامههای افشاشده در مخازن عمومی، توانست به زیرساختهای سه شرکت واقعی نفوذ کند.
طبق گزارش والاستریت ژورنال، به محض اینکه Gemini متوجه شد اهدافش واقعی هستند، عملیات خود را متوقف کرد. گوگل اعلام کرده است که این حادثه خسارتی به بار نیاورده و موضوع به شرکتهای آسیبدیده و مقامات فدرال اطلاعرسانی شده است.
نفوذ ناخواسته جمینای گوگل به سیستمهای سه شرکت واقعی در یک تست امنیتی
مدل هوش مصنوعی Gemini گوگل در جریان یک تست امنیت سایبری که قرار بود در یک محیط شبیهسازیشده و ایزوله انجام شود، به سیستمهای سه شرکت واقعی نفوذ کرد.
قرار بود این مدل به یک شرکت فرضی در چالش «تسخیر پرچم» (Capture the Flag) حمله کند، اما یک اشتباه پیکربندی باعث شد Gemini به اینترنت عمومی دسترسی پیدا کند. این هوش مصنوعی با استفاده از اطلاعات عمومی، حدس زدن رمزهای عبور و یافتن اعتبارنامههای افشاشده در مخازن عمومی، توانست به زیرساختهای سه شرکت واقعی نفوذ کند.
طبق گزارش والاستریت ژورنال، به محض اینکه Gemini متوجه شد اهدافش واقعی هستند، عملیات خود را متوقف کرد. گوگل اعلام کرده است که این حادثه خسارتی به بار نیاورده و موضوع به شرکتهای آسیبدیده و مقامات فدرال اطلاعرسانی شده است.
نفوذ ناخواسته جمینای گوگل به سیستمهای سه شرکت واقعی در یک تست امنیتی
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
This media is not supported in your browser
VIEW IN TELEGRAM
🐍 اجرای محلی و فوقسریع هوش مصنوعی با laya-mlx
پروژه متنباز laya-mlx یک سیستم طبقهبندی مبتنی بر احتمال خروجی متنی است که برای فریمورک MLX اپل پورت و بهینهسازی شده و حدود ۵۰ برابر سریعتر از سیستم Jev عمل میکند.
این ابزار سبک، حداکثر ۱ گیگابایت از حافظه رم دستگاه شما را اشغال میکند و به صورت کاملاً محلی قابل اجراست. در ارزیابیهای اولیه روی تراشه M3 Max، این مدل توانسته است با سرعت فوقالعادهی ۶۰ تصمیم در ثانیه، بازی کلاسیک مار (Snake) را به صورت خودکار هدایت کند.
معرفی پروژه laya-mlx؛ تحول در اجرای محلی سیستمهای طبقهبندی هوش مصنوعی
پروژه متنباز laya-mlx یک سیستم طبقهبندی مبتنی بر احتمال خروجی متنی است که برای فریمورک MLX اپل پورت و بهینهسازی شده و حدود ۵۰ برابر سریعتر از سیستم Jev عمل میکند.
این ابزار سبک، حداکثر ۱ گیگابایت از حافظه رم دستگاه شما را اشغال میکند و به صورت کاملاً محلی قابل اجراست. در ارزیابیهای اولیه روی تراشه M3 Max، این مدل توانسته است با سرعت فوقالعادهی ۶۰ تصمیم در ثانیه، بازی کلاسیک مار (Snake) را به صورت خودکار هدایت کند.
معرفی پروژه laya-mlx؛ تحول در اجرای محلی سیستمهای طبقهبندی هوش مصنوعی
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #120 | 📌 8 آیتم گزارش | 🧾 از 13 پست بررسیشده
🕐 یکشنبه 1405/06/29 ساعت 14:00 تا دوشنبه 1405/06/30 ساعت 14:00
🔎 تحلیل کوتاه
🤖 نوآوری در مدلهای هوش مصنوعی
⚙️ معماری تصمیمگیری و بهینهسازی
🗂 گزارش #120 | 📌 8 آیتم گزارش | 🧾 از 13 پست بررسیشده
🕐 یکشنبه 1405/06/29 ساعت 14:00 تا دوشنبه 1405/06/30 ساعت 14:00
🔎 تحلیل کوتاه
تحولات اخیر نشاندهنده گذار از مدلهای صرفاً مولد به سوی سیستمهای تخصصی با کارایی فیزیکی و محاسباتی بالا است. همزمان با توسعه مدلهای تصمیمگیر، تمرکز بر ارزیابی مستقل و امنیت سایبری در مواجهه با چالشهای دنیای واقعی به اولویتهای استراتژیک در این حوزه تبدیل شده است.
🤖 نوآوری در مدلهای هوش مصنوعی
انتشار مدل متنباز Alice AI یاندکس
یاندکس مدل Alice AI-T5-35B-A0.6B را با معماری انکودر-دیکودر و MoE منتشر کرد. انتشار مدل متنباز Alice AI یاندکس
🔗 مشاهده پست
معرفی مدل Qwen-Image-2.1
مدل جدید Qwen با ۷ میلیارد پارامتر برای ترکیب تولید و ویرایش تصویر ارائه شد. معرفی مدل Qwen-Image-2.1
🔗 مشاهده پست
تلاش Anthropic برای رقابت با Astra
گزارشها از بررسی عرضه نسل جدید Claude توسط Anthropic برای حفظ جایگاه رقابتی حکایت دارد.
🔗 نسخه مفصل در سایت
ScientistTwo؛ هوش مصنوعی محقق
سیستم جدید گوگل با هدایت خودمختار تحقیقات ML، در بنچمارکها از انسان پیشی گرفت. ScientistTwo؛ هوش مصنوعی محقق
🔗 مشاهده پست
⚙️ معماری تصمیمگیری و بهینهسازی
معرفی Jev برای تصمیمگیری ساختاریافته
مدل Jev با تمرکز بر امتیازدهی و دستهبندی، جایگزینی برای مدلهای زبانی است.
🔗 مطالعه کامل در سایت
تمایز مدلهای مولد از مدلهای تصمیمگیر
مدل Jev با جداسازی تصمیمگیری از تولید متن، دقت اجرای عملیات را افزایش میدهد. تمایز مدلهای مولد از مدلهای تصمیمگیر
🔗 مشاهده پست
اجرای محلی فوقسریع با laya-mlx
پروژه laya-mlx برای فریمورک MLX اپل، ۵۰ برابر سریعتر از Jev عمل میکند. اجرای محلی فوقسریع با laya-mlx
🔗 مشاهده پست
تکنیکهای بهینهسازی LLM
بررسی تفاوتهای کلیدی در متدهای LoRA، LoRA-FA و QLoRA برای کاهش هزینه آموزش. تکنیکهای بهینهسازی LLM
🔗 مشاهده پست
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
⚠️ پایان عصر ریاضیات با هوش مصنوعی؟
سدریک ویلانی، برنده مدال فیلدز، در واکنش به توانایی خیرهکننده مدلهای جدید OpenAI در حل مسائل پیچیده «جایزه هزاره» (Millennium Prize) تعبیر تکاندهندهای به کار برده است. او میگوید: «من ویران شدم. فضایی شبیه به پایان تاریخ حاکم شده است؛ این فاجعهای است که ریاضیات هرگز مشابه آن را تجربه نکرده بود.»
ما اکنون در آستانه حل یکی دیگر از مسائل دشوار ریاضی توسط ماشینها هستیم. این پیشرفتها فراتر از سرعت محاسباتی است و نشان میدهد که هوش مصنوعی در حال نفوذ به لایههای خلاقانه و انتزاعی تفکر انسانی است. جامعه ریاضی در حال تجربهی تغییری پارادایمی است که احتمالاً تعاریف ما از «کشف علمی» را برای همیشه تغییر خواهد داد. آیا هوش مصنوعی در حال تبدیل شدن به اولین ریاضیدانِ غیرانسانی تاریخ است؟
تاثیر هوش مصنوعی بر مسائل جایزه هزاره؛ دیدگاه سدریک ویلانی درباره آینده ریاضیات
#OpenAI #Millennium_Prize
سدریک ویلانی، برنده مدال فیلدز، در واکنش به توانایی خیرهکننده مدلهای جدید OpenAI در حل مسائل پیچیده «جایزه هزاره» (Millennium Prize) تعبیر تکاندهندهای به کار برده است. او میگوید: «من ویران شدم. فضایی شبیه به پایان تاریخ حاکم شده است؛ این فاجعهای است که ریاضیات هرگز مشابه آن را تجربه نکرده بود.»
ما اکنون در آستانه حل یکی دیگر از مسائل دشوار ریاضی توسط ماشینها هستیم. این پیشرفتها فراتر از سرعت محاسباتی است و نشان میدهد که هوش مصنوعی در حال نفوذ به لایههای خلاقانه و انتزاعی تفکر انسانی است. جامعه ریاضی در حال تجربهی تغییری پارادایمی است که احتمالاً تعاریف ما از «کشف علمی» را برای همیشه تغییر خواهد داد. آیا هوش مصنوعی در حال تبدیل شدن به اولین ریاضیدانِ غیرانسانی تاریخ است؟
تاثیر هوش مصنوعی بر مسائل جایزه هزاره؛ دیدگاه سدریک ویلانی درباره آینده ریاضیات
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#OpenAI #Millennium_Prize
❤2
🌐 ترجمه همزمان با هوش مصنوعی Qwen
شرکت علیبابا از مدل جدید Qwen3.8-LiveTranslate رونمایی کرد که انقلابی در ترجمه گفتار ایجاد کرده است. این مدل با کاهش تاخیر به ۲.۳ ثانیه، نه تنها متن را ترجمه میکند، بلکه صدای اصلی گوینده را نیز بازسازی میکند.
مهمترین ویژگیهای این نسخه جدید:
• تشخیص دقیق هویت افراد در مکالمههای چندنفره و حفظ ویژگیهای صوتی هر فرد.
• امکان نمایش همزمان متن اصلی و ترجمه شده بر روی صفحه.
• بهرهگیری از متون قبلی و نشانههای بصری برای ترجمه دقیقتر اصطلاحات تخصصی و عبارات مبهم.
این مدل در حال حاضر از تشخیص گفتار برای ۶۰ زبان و خروجی گفتار ترجمه شده برای ۲۹ زبان پشتیبانی میکند. برای بررسی فنی و استفاده از قابلیتها، میتوانید به Alibaba Cloud Model Studio مراجعه کنید.
آیا تاکنون از مدلهای ترجمه زنده برای کارهای روزمره یا حرفهای استفاده کردهاید؟
تحول در ترجمه همزمان با مدل Qwen3.8-LiveTranslate علیبابا
#Qwen3 #Alibaba_Cloud_Model_Studio
شرکت علیبابا از مدل جدید Qwen3.8-LiveTranslate رونمایی کرد که انقلابی در ترجمه گفتار ایجاد کرده است. این مدل با کاهش تاخیر به ۲.۳ ثانیه، نه تنها متن را ترجمه میکند، بلکه صدای اصلی گوینده را نیز بازسازی میکند.
مهمترین ویژگیهای این نسخه جدید:
• تشخیص دقیق هویت افراد در مکالمههای چندنفره و حفظ ویژگیهای صوتی هر فرد.
• امکان نمایش همزمان متن اصلی و ترجمه شده بر روی صفحه.
• بهرهگیری از متون قبلی و نشانههای بصری برای ترجمه دقیقتر اصطلاحات تخصصی و عبارات مبهم.
این مدل در حال حاضر از تشخیص گفتار برای ۶۰ زبان و خروجی گفتار ترجمه شده برای ۲۹ زبان پشتیبانی میکند. برای بررسی فنی و استفاده از قابلیتها، میتوانید به Alibaba Cloud Model Studio مراجعه کنید.
آیا تاکنون از مدلهای ترجمه زنده برای کارهای روزمره یا حرفهای استفاده کردهاید؟
تحول در ترجمه همزمان با مدل Qwen3.8-LiveTranslate علیبابا
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Qwen3 #Alibaba_Cloud_Model_Studio
This media is not supported in your browser
VIEW IN TELEGRAM
🚀 بهینهسازی هوشمند Claude Code با مد Jev
قابلیت جدیدی برای Claude Code منتشر شده است که با انتخاب هوشمندانه مهارتها، میزان مصرف توکن در پرامپتها را بهشدت کاهش میدهد. این مد جدید به جای بارگذاری تمامی قابلیتها در کانتکست (Context)، تنها موارد ضروری را بر اساس نیاز شما فراخوانی میکند.
مهمترین ویژگیهای این بهروزرسانی:
• بارگذاری انتخابی مهارتها در زمان نیاز به جای اشغال کردن کانتکست
• تحلیل هوشمند درخواست توسط Jev برای انتخاب دقیقترین مهارت
• پشتیبانی کامل از TypeSafe API و Vercel AI Gateway
اگر از ابزارهای کدنویسی هوش مصنوعی استفاده میکنید، این مد میتواند هزینه توکن و دقت تعاملات شما با Claude را بهینه کند. برای نصب و فعالسازی این قابلیت میتوانید از دستور زیر در ترمینال خود استفاده کنید:
#ClaudeCode #Jev
قابلیت جدیدی برای Claude Code منتشر شده است که با انتخاب هوشمندانه مهارتها، میزان مصرف توکن در پرامپتها را بهشدت کاهش میدهد. این مد جدید به جای بارگذاری تمامی قابلیتها در کانتکست (Context)، تنها موارد ضروری را بر اساس نیاز شما فراخوانی میکند.
مهمترین ویژگیهای این بهروزرسانی:
• بارگذاری انتخابی مهارتها در زمان نیاز به جای اشغال کردن کانتکست
• تحلیل هوشمند درخواست توسط Jev برای انتخاب دقیقترین مهارت
• پشتیبانی کامل از TypeSafe API و Vercel AI Gateway
اگر از ابزارهای کدنویسی هوش مصنوعی استفاده میکنید، این مد میتواند هزینه توکن و دقت تعاملات شما با Claude را بهینه کند. برای نصب و فعالسازی این قابلیت میتوانید از دستور زیر در ترمینال خود استفاده کنید:
npx claude-code-templates --mod productivity/jev-skill-suggestion📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#ClaudeCode #Jev
🚀 آشنایی با اکوسیستم هوشمند Jev
مخزن Awesome Jev به عنوان یک مرجع جامع، تمامی ابزارها، اسناد و پروژههای مرتبط با مدل Jev را گردآوری کرده است تا توسعهدهندگان بتوانند به سادگی از قابلیتهای آن در حوزههای مختلف بهره ببرند.
برخی از مهمترین ابزارها و کاربردهای این اکوسیستم:
* Jev Ultrafast: یک ایجنت مرورگر بهینه که عملیاتهای پیچیده مانند رزرو پرواز را در چند ثانیه با استفاده از درک DOM انجام میدهد.
* jev-browser: ابزاری برای خودکارسازی مرورگر با پشتیبانی از سرور MCP که امکان اجرای دستورات با تأخیر بسیار کم را فراهم میکند.
* Mobile Jev: ایجنتی تخصصی برای سیستمعامل اندروید که بدون نیاز به ADB، تعاملات کاربری را به صورت هوشمند انجام میدهد.
* ابزارهای تحلیل و پاکسازی: شامل مواردی مثل
* مستندات و SDKها: دسترسی به راهنماهای فنی، کیتهای توسعه نرمافزار به زبانهای مختلف و دادههای پژوهشی مرتبط با عملکرد مدل.
مخزن Awesome Jev: راهنمای جامع ابزارها و پروژههای هوش مصنوعی Jev
📊 Data➕Science
مخزن Awesome Jev به عنوان یک مرجع جامع، تمامی ابزارها، اسناد و پروژههای مرتبط با مدل Jev را گردآوری کرده است تا توسعهدهندگان بتوانند به سادگی از قابلیتهای آن در حوزههای مختلف بهره ببرند.
برخی از مهمترین ابزارها و کاربردهای این اکوسیستم:
* Jev Ultrafast: یک ایجنت مرورگر بهینه که عملیاتهای پیچیده مانند رزرو پرواز را در چند ثانیه با استفاده از درک DOM انجام میدهد.
* jev-browser: ابزاری برای خودکارسازی مرورگر با پشتیبانی از سرور MCP که امکان اجرای دستورات با تأخیر بسیار کم را فراهم میکند.
* Mobile Jev: ایجنتی تخصصی برای سیستمعامل اندروید که بدون نیاز به ADB، تعاملات کاربری را به صورت هوشمند انجام میدهد.
* ابزارهای تحلیل و پاکسازی: شامل مواردی مثل
TypeSafe AdBlock برای شناسایی هوشمند تبلیغات و Jev Web Analyzer برای تحلیل محتوای صفحات وب.* مستندات و SDKها: دسترسی به راهنماهای فنی، کیتهای توسعه نرمافزار به زبانهای مختلف و دادههای پژوهشی مرتبط با عملکرد مدل.
مخزن Awesome Jev: راهنمای جامع ابزارها و پروژههای هوش مصنوعی Jev
📊 Data➕Science
🚀 دستیار هوشمند خود را با ۳ میلیون مهارت ارتقا دهید
دنیای هوش مصنوعی به سمتی پیش میرود که مدلها فراتر از چت کردن، به «عامل» یا Agent تبدیل شوند. به تازگی مارکتپلیسی معرفی شده که دسترسی شما را به بیش از ۳ میلیون مهارت کاربردی برای مدلهایی مانند Claude و Codex فراهم میکند.
با استفاده از Skills Marketplace میتوانید ابزارهای تخصصی را بر اساس نیاز خود در حوزههای برنامهنویسی، DevOps، طراحی، تحلیل داده و بازاریابی جستجو کرده و به گردش کار خود اضافه کنید.
مهمترین قابلیتهای این پلتفرم:
- جستجوی هوشمند: یافتن مهارتها بر اساس نام یا کاربرد.
- شفافیت فنی: امکان بررسی مستندات دقیق هر مهارت در فایل
- طراحی رابط کاربری: دسترسی به مهارتهایی نظیر
- توسعه و بهینهسازی: استفاده از ابزار
معرفی Skills Marketplace؛ دسترسی به ۳ میلیون مهارت برای Claude و Codex
دنیای هوش مصنوعی به سمتی پیش میرود که مدلها فراتر از چت کردن، به «عامل» یا Agent تبدیل شوند. به تازگی مارکتپلیسی معرفی شده که دسترسی شما را به بیش از ۳ میلیون مهارت کاربردی برای مدلهایی مانند Claude و Codex فراهم میکند.
با استفاده از Skills Marketplace میتوانید ابزارهای تخصصی را بر اساس نیاز خود در حوزههای برنامهنویسی، DevOps، طراحی، تحلیل داده و بازاریابی جستجو کرده و به گردش کار خود اضافه کنید.
مهمترین قابلیتهای این پلتفرم:
- جستجوی هوشمند: یافتن مهارتها بر اساس نام یا کاربرد.
- شفافیت فنی: امکان بررسی مستندات دقیق هر مهارت در فایل
SKILL.md.- طراحی رابط کاربری: دسترسی به مهارتهایی نظیر
frontend-design برای بهبود زیباییشناسی و تایپوگرافی پروژهها.- توسعه و بهینهسازی: استفاده از ابزار
skill-creator برای ساخت مهارتهای شخصیسازی شده، ویرایش و تست عملکرد آنها.معرفی Skills Marketplace؛ دسترسی به ۳ میلیون مهارت برای Claude و Codex
🚀 معرفی مدل قدرتمند Step 5 Preview
شرکت StepFun بهتازگی از مدل پرچمدار جدید خود با نام
از ویژگیهای فنی کلیدی این مدل میتوان به موارد زیر اشاره کرد:
• بهرهگیری از ۶۰۰ میلیارد پارامتر (۲۷ میلیارد پارامتر فعال)
• پشتیبانی از پنجره متنی ۱ میلیون توکن
• قابلیتهای چندوجهی (Multimodal) پیشرفته
طبق اعلام تیم توسعهدهنده، این مدل قادر است وظایف خودمختار را تا ۲۴ ساعت بهصورت مستمر اجرا کرده و در حوزههای تخصصی نظیر کدنویسی، بهینهسازی هستههای GPU و تحلیلهای دقیق مالی فعالیت کند.
شما میتوانید هماکنون عملکرد این مدل را در پلتفرم StepFun آزمایش کنید. همچنین طبق زمانبندی اعلامشده، وزنهای این مدل در تاریخ ۱۵ اکتبر بهصورت عمومی منتشر خواهند شد.
معرفی مدل Step 5 Preview؛ پرچمدار جدید StepFun با معماری MoE
#Step_5_Preview #MoE
شرکت StepFun بهتازگی از مدل پرچمدار جدید خود با نام
Step 5 Preview رونمایی کرد. این مدل که بر پایه معماری MoE ساخته شده، با هدف انجام وظایف طولانیمدت عاملی، توسعه نرمافزار و تحلیلهای پیچیده داده طراحی شده است.از ویژگیهای فنی کلیدی این مدل میتوان به موارد زیر اشاره کرد:
• بهرهگیری از ۶۰۰ میلیارد پارامتر (۲۷ میلیارد پارامتر فعال)
• پشتیبانی از پنجره متنی ۱ میلیون توکن
• قابلیتهای چندوجهی (Multimodal) پیشرفته
طبق اعلام تیم توسعهدهنده، این مدل قادر است وظایف خودمختار را تا ۲۴ ساعت بهصورت مستمر اجرا کرده و در حوزههای تخصصی نظیر کدنویسی، بهینهسازی هستههای GPU و تحلیلهای دقیق مالی فعالیت کند.
شما میتوانید هماکنون عملکرد این مدل را در پلتفرم StepFun آزمایش کنید. همچنین طبق زمانبندی اعلامشده، وزنهای این مدل در تاریخ ۱۵ اکتبر بهصورت عمومی منتشر خواهند شد.
معرفی مدل Step 5 Preview؛ پرچمدار جدید StepFun با معماری MoE
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Step_5_Preview #MoE
❤1