سیستم DeLM برای مدیریت غیرمتمرکز عامل‌های هوش مصنوعی
محققان دانشگاه استنفورد سیستم DeLM را معرفی کرده‌اند که با حذف «عامل مرکزی» (Main Agent) در سیستم‌های چندعاملی، کارایی حل مسائل پیچیده را افزایش می‌دهد. این چارچوب به جای هماهنگ‌کننده متمرکز، از یک زمینه مشترک و یک صف وظایف استفاده می‌کند.
در این مدل، عامل‌ها به صورت ناهمگام فعالیت می‌کنند، وظایف را تحویل می‌گیرند و یافته‌های خود را بلافاصله با سایرین به اشتراک می‌گذارند تا از دوباره‌کاری و زمان‌های انتظار (حباب‌های ارتباطی) جلوگیری شود.
نتایج ارزیابی‌ها در بنچمارک‌های Terminal-Bench و DeepSWE نشان می‌دهد:
* سرعت سیستم تا ۲.۴۹ برابر بیشتر از Claude Code و Codex است.
* نرخ موفقیت در آزمون‌ها نسبت به قوی‌ترین مدل‌های پایه تا ۱۹.۹ درصد بهبود یافته است.
جزئیات بیشتر، کدهای پروژه و مقاله علمی در لینک‌های زیر در دسترس است:
پروژه و کد DeLM
متن کامل مقاله
محققان دانشگاه استنفورد سیستم DeLM را معرفی کرده‌اند که با حذف «عامل مرکزی» (Main Agent) در سیستم‌های چندعاملی، کارایی حل مسائل پیچیده را افزایش می‌دهد. این چارچوب به جای هماهنگ‌کننده متمرکز، از یک زمینه مشترک و یک صف وظایف استفاده می‌کند.
در این مدل، عامل‌ها به صورت ناهمگام فعالیت می‌کنند، وظایف را تحویل می‌گیرند و یافته‌های خود را بلافاصله با سایرین به اشتراک می‌گذارند تا از دوباره‌کاری و زمان‌های انتظار (حباب‌های ارتباطی) جلوگیری شود.
نتایج ارزیابی‌ها در بنچمارک‌های Terminal-Bench و DeepSWE نشان می‌دهد:
* سرعت سیستم تا ۲.۴۹ برابر بیشتر از Claude Code و Codex است.
* نرخ موفقیت در آزمون‌ها نسبت به قوی‌ترین مدل‌های پایه تا ۱۹.۹ درصد بهبود یافته است.
جزئیات بیشتر، کدهای پروژه و مقاله علمی در لینک‌های زیر در دسترس است:
پروژه و کد DeLM
متن کامل مقاله
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
🤖 انتشار نسخه دسکتاپ DeepSeek Harness
تیم DeepSeek نسخه پیش‌نمایش
مهم‌ترین ویژگی‌های این نسخه شامل موارد زیر است:
* مدیریت پلاگین‌ها: رابط کاربری اختصاصی برای مدیریت و اجرای پلاگین‌ها.
* حالت Creator: محیطی برای توسعه و ساخت ابزارهای شخصی‌سازی شده.
* اجرای زمان‌بندی‌شده: قابلیت تنظیم و اجرای خودکار وظایف (Tasks) در زمان‌های مشخص.
معماری این ابزار بر پایه ساختار
#DeepSeek_Harness #Cordis
تیم DeepSeek نسخه پیش‌نمایش
v0.2 از ابزار DeepSeek Harness را برای سیستم‌عامل‌های مک‌او‌اس و ویندوز عرضه کرد. این نسخه دسکتاپ به کاربران اجازه می‌دهد بدون نیاز به استفاده از ترمینال، از قابلیت‌های این مدل استفاده کنند.مهم‌ترین ویژگی‌های این نسخه شامل موارد زیر است:
* مدیریت پلاگین‌ها: رابط کاربری اختصاصی برای مدیریت و اجرای پلاگین‌ها.
* حالت Creator: محیطی برای توسعه و ساخت ابزارهای شخصی‌سازی شده.
* اجرای زمان‌بندی‌شده: قابلیت تنظیم و اجرای خودکار وظایف (Tasks) در زمان‌های مشخص.
معماری این ابزار بر پایه ساختار
everything is a plugin در Cordis بنا شده است. طبق اعلام تیم سازنده، در نسخه‌های آینده این پروژه، یک فروشگاه اختصاصی (Marketplace) برای تبادل پلاگین‌ها نیز راه‌اندازی خواهد شد. جزئیات بیشتر این به‌روزرسانی را می‌توانید در گزارش فنی آن مطالعه کنید.🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#DeepSeek_Harness #Cordis
🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #138 | 📌 8 آیتم گزارش | 🧾 از 16 پست بررسی‌شده
🕐 پنجشنبه 1405/07/16 ساعت 14:00 تا جمعه 1405/07/17 ساعت 14:00
🔎 تحلیل کوتاه
🤖 مدل‌ها و ابزارهای هوش مصنوعی
⚡ کاربردها و زیرساخت
🗂 گزارش #138 | 📌 8 آیتم گزارش | 🧾 از 16 پست بررسی‌شده
🕐 پنجشنبه 1405/07/16 ساعت 14:00 تا جمعه 1405/07/17 ساعت 14:00
🔎 تحلیل کوتاه
عرضه مدل‌های جدید همچون Claude Haiku 5.5 و GPT-6.1 Sol بر بهینه‌سازی عملیاتی و کاهش هزینه اینفرنس متمرکز شده است. همزمان، ابزارهای متعددی برای نظارت و کنترل کیفیت خروجی‌ها معرفی شده‌اند که نشان‌دهنده اولویت‌یافتن دقت در سیستم‌های خودکار است.
🤖 مدل‌ها و ابزارهای هوش مصنوعی
معرفی مدل Claude Haiku 5.5
آنتروپیک مدل Haiku 5.5 را با تمرکز بر سرعت بالا و هزینه پایین برای پردازش انبوه درخواست‌ها عرضه کرد.
🔗 مشاهده پست
عرضه حالت Ultrafast برای GPT-6.1 Sol
OpenAI حالت جدید Ultrafast را برای مدل GPT-6.1 Sol جهت افزایش ۸ برابری سرعت نسبت به نسخه استاندارد فعال کرد.
🔗 مشاهده پست
ابزار VeriHarness برای راستی‌آزمایی
گوگل و دانشگاه کمبریج ابزاری برای بررسی و اصلاح خودکار خروجی‌های طولانی‌مدت مدل‌های زبانی ارائه دادند.
🔗 مشاهده پست
معرفی شاخص همسویی Arena
تیم Arena شاخصی برای سنجش ایمنی و خطاهای رفتاری مدل‌های هوش مصنوعی در محیط‌های واقعی منتشر کرد.
🔗 مشاهده پست
سیستم DeLM برای مدیریت غیرمتمرکز
سیستم جدید استنفورد با حذف عامل مرکزی، سرعت حل مسائل توسط مدل‌های هوش مصنوعی را تا ۲.۵ برابر افزایش می‌دهد.
🔗 مشاهده پست
انتشار نسخه دسکتاپ DeepSeek Harness
نسخه پیش‌نمایش v0.2 ابزار DeepSeek Harness برای ویندوز و مک با تمرکز بر مدیریت پلاگین‌ها و اجرای زمان‌بندی‌شده عرضه شد.
🔗 مشاهده پست
⚡ کاربردها و زیرساخت
پروژه ساخت سلول مجازی جامع
پروژه‌ای ۱.۸ میلیارد دلاری برای رفع کمبود داده در زیست‌شناسی هوش مصنوعی با هدف شبیه‌سازی دقیق آزمایش‌های زیستی آغاز شد.
🔗 ادامه مطلب در سایت
حادثه مسیریابی با Claude در کانادا
یک نوجوان پس از دریافت برنامه کوهنوردی اشتباه از مدل Claude، در مسیر صخره‌ای گرفتار و توسط امدادگران نجات یافت.
🔗 جزئیات کامل در سایت
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
🌌 تهیه نخستین نقشه کامل فرابنفش آسمان با کمک هوش مصنوعی
برایس منار، اخترفیزیکدان دانشگاه جانز هاپکینز، با همکاری Claude موفق شد اولین نقشه جامع از آسمان در طیف فرابنفش را تهیه کند. داده‌های پیشینِ GALEX تنها حدود دو‌سوم آسمان را پوشش می‌دادند و مناطق پرنور کهکشان راه شیری در آن‌ها لحاظ نشده بود.
در این پروژه، مجموعه‌ای از ایجنت‌های هوش مصنوعی وظایف فنی زیر را بر عهده داشتند:
* جمع‌آوری داده‌ها از چندین پیمایش فضایی مختلف
* کالیبره‌کردن ده‌ها هزار مشاهده نجومی
* یکپارچه‌سازی داده‌ها در یک سیستم مختصات و رزولوشن واحد
* بازسازی یک‌سومِ گمشده آسمان با استفاده از روش
* تخمین تابش فرابنفش بیش از ۱۰۰ میلیون ستاره بر اساس داده‌های
مدل هوش مصنوعی در این فرآیند به‌طور مستقل محاسبات را انجام داد، مشکلات موجود در داده‌ها را شناسایی کرد و به همراه محقق، پایپلاین پردازش را بهبود بخشید. دقت بازسازی این نقشه در مناطق شناخته‌شده، با خطای حدود ۱۰ درصد ارزیابی شده است. این نقشه اکنون داده‌های مرئی، فروسرخ و رادیویی را در کنار داده‌های جدید فرابنفش برای بررسی ساختار کهکشان ارائه می‌دهد.
برایس منار، اخترفیزیکدان دانشگاه جانز هاپکینز، با همکاری Claude موفق شد اولین نقشه جامع از آسمان در طیف فرابنفش را تهیه کند. داده‌های پیشینِ GALEX تنها حدود دو‌سوم آسمان را پوشش می‌دادند و مناطق پرنور کهکشان راه شیری در آن‌ها لحاظ نشده بود.
در این پروژه، مجموعه‌ای از ایجنت‌های هوش مصنوعی وظایف فنی زیر را بر عهده داشتند:
* جمع‌آوری داده‌ها از چندین پیمایش فضایی مختلف
* کالیبره‌کردن ده‌ها هزار مشاهده نجومی
* یکپارچه‌سازی داده‌ها در یک سیستم مختصات و رزولوشن واحد
* بازسازی یک‌سومِ گمشده آسمان با استفاده از روش
ML-inpainting* تخمین تابش فرابنفش بیش از ۱۰۰ میلیون ستاره بر اساس داده‌های
Gaiaمدل هوش مصنوعی در این فرآیند به‌طور مستقل محاسبات را انجام داد، مشکلات موجود در داده‌ها را شناسایی کرد و به همراه محقق، پایپلاین پردازش را بهبود بخشید. دقت بازسازی این نقشه در مناطق شناخته‌شده، با خطای حدود ۱۰ درصد ارزیابی شده است. این نقشه اکنون داده‌های مرئی، فروسرخ و رادیویی را در کنار داده‌های جدید فرابنفش برای بررسی ساختار کهکشان ارائه می‌دهد.
❤1
🔎 انتشار مدل چندوجهی Perplexity برای جستجوی متنی و تصویری
شرکت Perplexity مدل pplx-embed-v2-late-0.6b را برای بازیابی اطلاعات از متن و تصاویر منتشر کرد. این مدل که بر پایه Qwen3.5 توسعه یافته، از معماری ColBERT برای تعامل دیرهنگام (Late Interaction) استفاده می‌کند و می‌تواند اسناد شامل جدول، نمودار و اطلاعات بصری را بر اساس مفهوم جستجو کند.
از ویژگی‌های فنی این مدل می‌توان به موارد زیر اشاره کرد:
* تولید بردار ۱۲۸-بعدی برای هر توکن جهت حفظ جزئیات بیشتر در مقایسه با روش‌های فشرده‌سازی متن به یک بردار واحد.
* استفاده از امتیازدهی MaxSim برای تطبیق دقیق‌تر بخش‌های کوئری با اسناد.
* اشتراک فضای جاسازی (Embedding space) بین نسخه‌های 0.6B و 9B، که اجازه می‌دهد ایندکس‌های ساخته‌شده با مدل بزرگ‌تر، توسط نسخه کوچک‌تر جستجو شوند.
این ابزار با مجوز MIT منتشر شده و از کتابخانه Sentence Transformers پشتیبانی می‌کند که آن را به گزینه‌ای مناسب برای سیستم‌های RAG تبدیل می‌کند.
#pplx_embed_v2_late #ColBERT
شرکت Perplexity مدل pplx-embed-v2-late-0.6b را برای بازیابی اطلاعات از متن و تصاویر منتشر کرد. این مدل که بر پایه Qwen3.5 توسعه یافته، از معماری ColBERT برای تعامل دیرهنگام (Late Interaction) استفاده می‌کند و می‌تواند اسناد شامل جدول، نمودار و اطلاعات بصری را بر اساس مفهوم جستجو کند.
از ویژگی‌های فنی این مدل می‌توان به موارد زیر اشاره کرد:
* تولید بردار ۱۲۸-بعدی برای هر توکن جهت حفظ جزئیات بیشتر در مقایسه با روش‌های فشرده‌سازی متن به یک بردار واحد.
* استفاده از امتیازدهی MaxSim برای تطبیق دقیق‌تر بخش‌های کوئری با اسناد.
* اشتراک فضای جاسازی (Embedding space) بین نسخه‌های 0.6B و 9B، که اجازه می‌دهد ایندکس‌های ساخته‌شده با مدل بزرگ‌تر، توسط نسخه کوچک‌تر جستجو شوند.
این ابزار با مجوز MIT منتشر شده و از کتابخانه Sentence Transformers پشتیبانی می‌کند که آن را به گزینه‌ای مناسب برای سیستم‌های RAG تبدیل می‌کند.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#pplx_embed_v2_late #ColBERT
❤1
🎁 اعتبار ماهانه API کلود برای کاربران Max و Team
شرکت Anthropic طرح تخصیص اعتبار رایگان و ماهانه API را برای مشترکان برنامه‌های Max و Team فعال کرد. میزان این اعتبار با توجه به سطح اشتراک کاربران متفاوت خواهد بود.
مراحل فعال‌سازی و دریافت این اعتبار:
۱. حساب Claude را در مرورگر باز کنید.
۲. به مسیر Settings و سپس Billing بروید.
۳. در بخش API credits، گزینه Link organization را انتخاب کنید.
۴. یک سازمان (Organization) موجود در Claude Console را متصل کرده یا یک سازمان جدید بسازید.
۵. با تایید قوانین (Supplemental Credit Terms)، اعتبار به حساب سازمان شما اضافه می‌شود.
#Anthropic #ClaudeConsole
شرکت Anthropic طرح تخصیص اعتبار رایگان و ماهانه API را برای مشترکان برنامه‌های Max و Team فعال کرد. میزان این اعتبار با توجه به سطح اشتراک کاربران متفاوت خواهد بود.
مراحل فعال‌سازی و دریافت این اعتبار:
۱. حساب Claude را در مرورگر باز کنید.
۲. به مسیر Settings و سپس Billing بروید.
۳. در بخش API credits، گزینه Link organization را انتخاب کنید.
۴. یک سازمان (Organization) موجود در Claude Console را متصل کرده یا یک سازمان جدید بسازید.
۵. با تایید قوانین (Supplemental Credit Terms)، اعتبار به حساب سازمان شما اضافه می‌شود.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#Anthropic #ClaudeConsole
🤖 قابلیت‌های جدید هوش مصنوعی در ویندوز ۱۱ و سخت‌افزار مایکروسافت
مایکروسافت در رویداد اخیر خود، محیط Microsoft Execution Containers (MXC) را از حالت پیش‌نمایش خارج کرد. این قابلیت که مبتنی بر سندباکس است، دسترسی ایجنت‌های هوش مصنوعی به فایل‌ها و شبکه را در سطح سیستم محدود می‌کند.
از مهم‌ترین موارد پشتیبانی‌شده در این محیط می‌توان به GitHub Copilot، Codex و LM Studio اشاره کرد؛ همچنین اضافه شدن Claude Code و Perplexity در آینده نزدیک وعده داده شده است.
سایر تغییرات معرفی‌شده:
* مدیریت هوشمند مدل‌ها: GitHub Copilot تا پایان اکتبر قادر خواهد بود به‌طور خودکار، پردازش وظایف را بین مدل‌های محلی و ابری مسیریابی کند.
* پشتیبانی از مدل‌های متن‌باز: کتابخانه llama.cpp به محیط اجرای Windows ML اضافه می‌شود.
* معرفی مدل MAI Code 1.1 Flash: نسخه‌ای ۳ بیتی و کوانتایز شده برای اجرای بهینه روی دستگاه‌های کلاینت.
* سخت‌افزار جدید: عرضه لپ‌تاپ Surface Laptop Ultra با تراشه NVIDIA RTX Spark و حافظه یکپارچه ۱۲۸ گیگابایتی که از ۱۶ اکتبر در دسترس خواهد بود.
🇮🇷 سایت | تلگرام
مایکروسافت در رویداد اخیر خود، محیط Microsoft Execution Containers (MXC) را از حالت پیش‌نمایش خارج کرد. این قابلیت که مبتنی بر سندباکس است، دسترسی ایجنت‌های هوش مصنوعی به فایل‌ها و شبکه را در سطح سیستم محدود می‌کند.
از مهم‌ترین موارد پشتیبانی‌شده در این محیط می‌توان به GitHub Copilot، Codex و LM Studio اشاره کرد؛ همچنین اضافه شدن Claude Code و Perplexity در آینده نزدیک وعده داده شده است.
سایر تغییرات معرفی‌شده:
* مدیریت هوشمند مدل‌ها: GitHub Copilot تا پایان اکتبر قادر خواهد بود به‌طور خودکار، پردازش وظایف را بین مدل‌های محلی و ابری مسیریابی کند.
* پشتیبانی از مدل‌های متن‌باز: کتابخانه llama.cpp به محیط اجرای Windows ML اضافه می‌شود.
* معرفی مدل MAI Code 1.1 Flash: نسخه‌ای ۳ بیتی و کوانتایز شده برای اجرای بهینه روی دستگاه‌های کلاینت.
* سخت‌افزار جدید: عرضه لپ‌تاپ Surface Laptop Ultra با تراشه NVIDIA RTX Spark و حافظه یکپارچه ۱۲۸ گیگابایتی که از ۱۶ اکتبر در دسترس خواهد بود.
🇮🇷 سایت | تلگرام
❤1
⚠️ آمادگی شرکت‌های بزرگ هوش مصنوعی برای سناریوهای بحرانی
گزارش وب‌سایت Axios نشان می‌دهد که مدیران شرکت‌هایی مانند OpenAI و Anthropic جلسات محرمانه‌ای برای بررسی پیامدهای اجتماعی و سیاسی در صورت بروز فاجعه ناشی از هوش مصنوعی برگزار می‌کنند.
برخی از مهم‌ترین احتمالات مطرح‌شده در این سناریوها عبارتند از:
* وقوع حملات سایبری گسترده با هدف قطع دسترسی به خدمات بانکی و اینترنت
* اختلال در شبکه توزیع برق و منابع آب
* کاهش شدید اعتماد عمومی به فناوری و رهبران آن مانند سم آلتمن و داریو آمودی
* تلاش نهادهای سیاسی برای توقف توسعه هوش مصنوعی پس از انتخابات
بسیاری از افراد مطلع در این شرکت‌ها احتمال می‌دهند چنین رویدادی در بازه زمانی ۶ تا ۱۲ ماه آینده رخ دهد. اگرچه برنامه‌ریزی برای شرایط بحرانی اقدام منطقی محسوب می‌شود، اما اطمینان بالای این منابع درباره بازه زمانی وقوع حادثه، توجه بسیاری را جلب کرده است.
#OpenAI #Anthropic
گزارش وب‌سایت Axios نشان می‌دهد که مدیران شرکت‌هایی مانند OpenAI و Anthropic جلسات محرمانه‌ای برای بررسی پیامدهای اجتماعی و سیاسی در صورت بروز فاجعه ناشی از هوش مصنوعی برگزار می‌کنند.
برخی از مهم‌ترین احتمالات مطرح‌شده در این سناریوها عبارتند از:
* وقوع حملات سایبری گسترده با هدف قطع دسترسی به خدمات بانکی و اینترنت
* اختلال در شبکه توزیع برق و منابع آب
* کاهش شدید اعتماد عمومی به فناوری و رهبران آن مانند سم آلتمن و داریو آمودی
* تلاش نهادهای سیاسی برای توقف توسعه هوش مصنوعی پس از انتخابات
بسیاری از افراد مطلع در این شرکت‌ها احتمال می‌دهند چنین رویدادی در بازه زمانی ۶ تا ۱۲ ماه آینده رخ دهد. اگرچه برنامه‌ریزی برای شرایط بحرانی اقدام منطقی محسوب می‌شود، اما اطمینان بالای این منابع درباره بازه زمانی وقوع حادثه، توجه بسیاری را جلب کرده است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#OpenAI #Anthropic
⚡️ تغییر در دسترسی به Gemini؛ مدل‌های قوی‌تر پولی می‌شوند
گوگل از ۹ اکتبر دسترسی به مدل‌های هوش مصنوعی Gemini را تغییر می‌دهد و نسخه رایگان را به شدت محدود می‌کند. در این ساختار جدید، دسترسی به مدل‌های کاربردی‌تر عملاً به داشتن اشتراک پولی مشروط می‌شود.
تغییرات اصلی دسترسی به مدل‌ها به این ترتیب است:
• در طرح رایگان، کاربران تنها به نسخه سبک Flash-Lite دسترسی خواهند داشت.
• مدل‌های Flash و Pro به بخش اشتراکی منتقل می‌شوند.
• اشتراک AI Plus شامل مدل‌های Flash-Lite و Flash خواهد بود.
• مدل Pro به طرح‌های گران‌تر یعنی AI Pro و AI Ultra منتقل می‌شود.
با این تغییرات، طرح رایگان تنها به ضعیف‌ترین نسخه Gemini محدود می‌شود و برای استفاده منظم از مدل‌های قدرتمندتر، نیاز به خرید اشتراک خواهد بود.
#Gemini #Flash_Lite
گوگل از ۹ اکتبر دسترسی به مدل‌های هوش مصنوعی Gemini را تغییر می‌دهد و نسخه رایگان را به شدت محدود می‌کند. در این ساختار جدید، دسترسی به مدل‌های کاربردی‌تر عملاً به داشتن اشتراک پولی مشروط می‌شود.
تغییرات اصلی دسترسی به مدل‌ها به این ترتیب است:
• در طرح رایگان، کاربران تنها به نسخه سبک Flash-Lite دسترسی خواهند داشت.
• مدل‌های Flash و Pro به بخش اشتراکی منتقل می‌شوند.
• اشتراک AI Plus شامل مدل‌های Flash-Lite و Flash خواهد بود.
• مدل Pro به طرح‌های گران‌تر یعنی AI Pro و AI Ultra منتقل می‌شود.
با این تغییرات، طرح رایگان تنها به ضعیف‌ترین نسخه Gemini محدود می‌شود و برای استفاده منظم از مدل‌های قدرتمندتر، نیاز به خرید اشتراک خواهد بود.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#Gemini #Flash_Lite
7514201528044412928_01_@DataPlusScience_7514201528044412928_01.pdf
1.2 MB
ساخت اپلیکیشن‌های تولیدی LLM با LangChain
ساخت برنامه‌های هوش مصنوعی در محیط عملیاتی (Production) فراتر از اتصال ساده به API است. ویرایش دوم کتاب «Generative AI with LangChain» نوشته بن آفرت و لئونید کولیگین، بر تبدیل نمونه‌های اولیه به سیستم‌های قابل‌اتکا تمرکز دارد. این کتاب با استفاده از Python، LangChain و LangGraph، نحوه طراحی جریان‌های کاری پیچیده، مدیریت حافظه و استفاده از عامل‌های هوشمند (Agents) را آموزش می‌دهد.
از مهم‌ترین سرفصل‌های این کتاب می‌توان به موارد زیر اشاره کرد:
- معماری سیستم‌های مبتنی بر عامل و مدیریت وضعیت با LangGraph
- پیاده‌سازی الگوهای پیشرفته مثل ReACT برای بهبود استدلال مدل
- روش‌های ارزیابی و تست سیستم‌های RAG و پاسخ‌های LLM
- استقرار مدل‌ها با استفاده از FastAPI و Ray Serve
- بهینه‌سازی هزینه‌ها و مشاهده‌پذیری (Observability) در محیط عملیاتی
تمرکز اصلی این راهنما، جایگزینی مهندسی پرامپت ساده با ساختارهای مهندسی‌شده و نظارت‌شونده است تا برنامه‌های کاربردی در مقیاس سازمانی کارایی لازم را داشته باشند.
🇮🇷 سایت | تلگرام
ساخت برنامه‌های هوش مصنوعی در محیط عملیاتی (Production) فراتر از اتصال ساده به API است. ویرایش دوم کتاب «Generative AI with LangChain» نوشته بن آفرت و لئونید کولیگین، بر تبدیل نمونه‌های اولیه به سیستم‌های قابل‌اتکا تمرکز دارد. این کتاب با استفاده از Python، LangChain و LangGraph، نحوه طراحی جریان‌های کاری پیچیده، مدیریت حافظه و استفاده از عامل‌های هوشمند (Agents) را آموزش می‌دهد.
از مهم‌ترین سرفصل‌های این کتاب می‌توان به موارد زیر اشاره کرد:
- معماری سیستم‌های مبتنی بر عامل و مدیریت وضعیت با LangGraph
- پیاده‌سازی الگوهای پیشرفته مثل ReACT برای بهبود استدلال مدل
- روش‌های ارزیابی و تست سیستم‌های RAG و پاسخ‌های LLM
- استقرار مدل‌ها با استفاده از FastAPI و Ray Serve
- بهینه‌سازی هزینه‌ها و مشاهده‌پذیری (Observability) در محیط عملیاتی
تمرکز اصلی این راهنما، جایگزینی مهندسی پرامپت ساده با ساختارهای مهندسی‌شده و نظارت‌شونده است تا برنامه‌های کاربردی در مقیاس سازمانی کارایی لازم را داشته باشند.
🇮🇷 سایت | تلگرام
❤1
This media is not supported in your browser
VIEW IN TELEGRAM
🌐 عرضه مدل دنیای مجازی Odyssey-3
شرکت Odyssey از مدل جدید خود با نام Odyssey-3 رونمایی کرد. این مدل که توسط تیمی از متخصصان حوزه خودروهای خودران توسعه یافته، با دریافت دستور متنی، محیط‌های تعاملی سه‌بعدی ایجاد می‌کند.
این مدل قادر است به‌صورت لحظه‌ای تعامل و حرکت اشیاء را در فضای تولیدشده محاسبه کند. امکان تجربه این شبیه‌ساز از طریق وب‌سایت Odyssey فراهم شده و در دو نسخه عادی (با رزولوشن 480×832) و Pro (با رزولوشن 720×1280) عرضه شده است.
از ویژگی‌های این مدل می‌توان به موارد زیر اشاره کرد:
• تولید محیط با قابلیت حرکت از زاویه اول‌شخص یا سوم‌شخص.
• کنترل مستقیم دوربین و افزودن رویدادها حین فرآیند تولید.
• استفاده به‌عنوان شبیه‌ساز برای آموزش ربات‌ها و سیستم‌های فیزیکی.
• کسب امتیاز ۶۶.۱ در معیار Physics-IQ Verified که بالاترین نتیجه ثبت‌شده برای درک فیزیک محیط است.
توسعه‌دهندگان می‌توانند برای دسترسی به API این مدل از طریق پورتال توسعه‌دهندگان Odyssey اقدام کنند. این مدل برای تولید هر فریم تنها چند مرحله پردازش نیاز دارد که امکان واکنش آنی به دستورات کاربر را فراهم می‌کند.
🇮🇷 سایت | تلگرام
شرکت Odyssey از مدل جدید خود با نام Odyssey-3 رونمایی کرد. این مدل که توسط تیمی از متخصصان حوزه خودروهای خودران توسعه یافته، با دریافت دستور متنی، محیط‌های تعاملی سه‌بعدی ایجاد می‌کند.
این مدل قادر است به‌صورت لحظه‌ای تعامل و حرکت اشیاء را در فضای تولیدشده محاسبه کند. امکان تجربه این شبیه‌ساز از طریق وب‌سایت Odyssey فراهم شده و در دو نسخه عادی (با رزولوشن 480×832) و Pro (با رزولوشن 720×1280) عرضه شده است.
از ویژگی‌های این مدل می‌توان به موارد زیر اشاره کرد:
• تولید محیط با قابلیت حرکت از زاویه اول‌شخص یا سوم‌شخص.
• کنترل مستقیم دوربین و افزودن رویدادها حین فرآیند تولید.
• استفاده به‌عنوان شبیه‌ساز برای آموزش ربات‌ها و سیستم‌های فیزیکی.
• کسب امتیاز ۶۶.۱ در معیار Physics-IQ Verified که بالاترین نتیجه ثبت‌شده برای درک فیزیک محیط است.
توسعه‌دهندگان می‌توانند برای دسترسی به API این مدل از طریق پورتال توسعه‌دهندگان Odyssey اقدام کنند. این مدل برای تولید هر فریم تنها چند مرحله پردازش نیاز دارد که امکان واکنش آنی به دستورات کاربر را فراهم می‌کند.
🇮🇷 سایت | تلگرام
❤1
🤖 عرضه مدل Decision-1 توسط مایکروسافت
مایکروسافت مدل جدیدی به نام Decision-1 را عرضه کرده است که صرفاً برای اتخاذ تصمیم طراحی شده است. این مدل بر پایه Qwen3.5-9B توسعه یافته و با دریافت یک درخواست و مجموعه‌ای از گزینه‌ها، احتمال کالیبره شده برای هر انتخاب را در یک مرحله خروجی می‌دهد.
کاربردهای این مدل شامل موارد زیر است:
- پاسخ‌های بله/خیر یا انتخاب از میان گزینه‌ها
- رتبه‌بندی یا امتیازدهی به پاسخ‌های سایر مدل‌های هوش مصنوعی
- تعیین اقدامات عوامل هوشمند بر اساس دسته‌بندی
Decision-1 در ۳۶ بنچمارک آزمایشی بالاترین دقت را میان مدل‌های تصمیم‌گیر کسب کرده و تا ۳۵ برابر سریع‌تر از GPT-4o عمل می‌کند. نتایج نشان می‌دهد که در صورت تغییر ترتیب گزینه‌ها، خروجی این مدل تنها ۱.۳ درصد تغییر می‌کند که نشان‌دهنده پایداری بالای آن است.
این مدل هم‌اکنون در پلتفرم Microsoft Foundry در دسترس است و به زودی به OpenRouter اضافه خواهد شد. هزینه استفاده از آن ۰.۰۴۲ دلار به ازای هر میلیون توکن ورودی است.
#Microsoft_Decision_1 #Qwen3_5
مایکروسافت مدل جدیدی به نام Decision-1 را عرضه کرده است که صرفاً برای اتخاذ تصمیم طراحی شده است. این مدل بر پایه Qwen3.5-9B توسعه یافته و با دریافت یک درخواست و مجموعه‌ای از گزینه‌ها، احتمال کالیبره شده برای هر انتخاب را در یک مرحله خروجی می‌دهد.
کاربردهای این مدل شامل موارد زیر است:
- پاسخ‌های بله/خیر یا انتخاب از میان گزینه‌ها
- رتبه‌بندی یا امتیازدهی به پاسخ‌های سایر مدل‌های هوش مصنوعی
- تعیین اقدامات عوامل هوشمند بر اساس دسته‌بندی
Decision-1 در ۳۶ بنچمارک آزمایشی بالاترین دقت را میان مدل‌های تصمیم‌گیر کسب کرده و تا ۳۵ برابر سریع‌تر از GPT-4o عمل می‌کند. نتایج نشان می‌دهد که در صورت تغییر ترتیب گزینه‌ها، خروجی این مدل تنها ۱.۳ درصد تغییر می‌کند که نشان‌دهنده پایداری بالای آن است.
این مدل هم‌اکنون در پلتفرم Microsoft Foundry در دسترس است و به زودی به OpenRouter اضافه خواهد شد. هزینه استفاده از آن ۰.۰۴۲ دلار به ازای هر میلیون توکن ورودی است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#Microsoft_Decision_1 #Qwen3_5
معرفی بنچمارک Humanity's Sixth Sense برای سنجش درک اجتماعی هوش مصنوعی
واحد تحقیقاتی Scale Labs با همکاری Elorian، بنچمارک جدیدی به نام Humanity's Sixth Sense را برای ارزیابی توانایی مدل‌های چندوجهی در تحلیل سیگنال‌های اجتماعی و روابط فضایی منتشر کرد. این مجموعه شامل ۵۲۲ پرسش درباره ۲۸۸ صحنه ثابت و ۲۳۴ ویدیو است که مواردی مانند سلسله‌مراتب رفتاری و درک محیطی را بررسی می‌کند.
در تست‌های انجام‌شده روی ۲۵ مدل برتر، انسان‌ها به دقت ۹۳.۱ درصد رسیدند، در حالی که عملکرد مدل‌ها فاصله معناداری با این عدد دارد:
* GPT-6-astra: ۵۳.۶٪
* GPT-6.1-sol: ۴۶.۶٪
* Claude-Opus-5.5: ۴۴.۶٪
* Gemini-3.8-flash: ۴۱.۶٪
* Claude-Fable-5.1: ۴۰.۸٪
بررسی بیش از ۸۵۰۰ پاسخ ناموفق نشان می‌دهد که ۹۴ درصد خطاها ناشی از ضعف در بینایی ماشین و از دست دادن نشانه‌های بصری است و تنها ۵ درصد به اشتباهات منطقی مربوط می‌شود. طبق یافته‌های Scale Labs، افزایش حجم پردازش یا تخصیص توکن بیشتر، تأثیر چندانی در بهبود این ضعف‌های ساختاری ندارد. اطلاعات تکمیلی و لیست کامل مدل‌ها در این صفحه قابل مشاهده است.
🇮🇷 سایت | تلگرام
واحد تحقیقاتی Scale Labs با همکاری Elorian، بنچمارک جدیدی به نام Humanity's Sixth Sense را برای ارزیابی توانایی مدل‌های چندوجهی در تحلیل سیگنال‌های اجتماعی و روابط فضایی منتشر کرد. این مجموعه شامل ۵۲۲ پرسش درباره ۲۸۸ صحنه ثابت و ۲۳۴ ویدیو است که مواردی مانند سلسله‌مراتب رفتاری و درک محیطی را بررسی می‌کند.
در تست‌های انجام‌شده روی ۲۵ مدل برتر، انسان‌ها به دقت ۹۳.۱ درصد رسیدند، در حالی که عملکرد مدل‌ها فاصله معناداری با این عدد دارد:
* GPT-6-astra: ۵۳.۶٪
* GPT-6.1-sol: ۴۶.۶٪
* Claude-Opus-5.5: ۴۴.۶٪
* Gemini-3.8-flash: ۴۱.۶٪
* Claude-Fable-5.1: ۴۰.۸٪
بررسی بیش از ۸۵۰۰ پاسخ ناموفق نشان می‌دهد که ۹۴ درصد خطاها ناشی از ضعف در بینایی ماشین و از دست دادن نشانه‌های بصری است و تنها ۵ درصد به اشتباهات منطقی مربوط می‌شود. طبق یافته‌های Scale Labs، افزایش حجم پردازش یا تخصیص توکن بیشتر، تأثیر چندانی در بهبود این ضعف‌های ساختاری ندارد. اطلاعات تکمیلی و لیست کامل مدل‌ها در این صفحه قابل مشاهده است.
🇮🇷 سایت | تلگرام
🧮 واکنش جامعه ریاضی‌دانان به انتشار راهکارهای OpenAI
به‌تازگی OpenAI مجموعه‌ای از راهکارهای مسائل ریاضی را منتشر کرده است که با واکنش تند «انجمن ریاضی‌دانان» (AHM) مواجه شد. ترنس تائو، ریاضی‌دان برجسته، بیانیه این انجمن را در وبلاگ شخصی خود بازنشر کرده است.
مهم‌ترین نکات این بیانیه عبارتند از:
- ریاضی‌دانان هرگز درخواستی برای انجام این کار یا انتشار راهکارها نداشته‌اند.
- آن‌ها ادعای OpenAI مبنی بر کمک این مدل به پیشرفت علم ریاضیات را رد کرده و از جامعه علمی خواسته‌اند با شک و تردید به نتایج چنین مدل‌هایی نگاه کنند.
- این انجمن از ریاضی‌دانان خواسته است همکاری با OpenAI را متوقف کرده و به شیوه‌ای از پژوهش بازگردند که در آن «درک انسانی» در کانون توجه است.
در حال حاضر بحث‌های جدی در محافل علمی درباره لزوم تغییر ساختار آکادمیک و برنامه‌های آموزشی شکل گرفته است؛ چرا که معیارهای سنتی مانند «تعداد مقالات» دیگر پاسخگوی دنیای جدید ابزارهای هوش مصنوعی نیستند.
باید دید آیا این واکنش‌ها محدود به رشته ریاضی باقی می‌ماند یا با ورود مدل‌های هوش مصنوعی به حوزه‌هایی مانند بیولوژی و فیزیک برای کشف فرمول‌ها و داروهای جدید، دایره مخالفت‌ها گسترده‌تر خواهد شد. آنچه مسلم است، روند توسعه این مدل‌ها توقف‌ناپذیر به نظر می‌رسد.
#OpenAI #Terence_Tao
به‌تازگی OpenAI مجموعه‌ای از راهکارهای مسائل ریاضی را منتشر کرده است که با واکنش تند «انجمن ریاضی‌دانان» (AHM) مواجه شد. ترنس تائو، ریاضی‌دان برجسته، بیانیه این انجمن را در وبلاگ شخصی خود بازنشر کرده است.
مهم‌ترین نکات این بیانیه عبارتند از:
- ریاضی‌دانان هرگز درخواستی برای انجام این کار یا انتشار راهکارها نداشته‌اند.
- آن‌ها ادعای OpenAI مبنی بر کمک این مدل به پیشرفت علم ریاضیات را رد کرده و از جامعه علمی خواسته‌اند با شک و تردید به نتایج چنین مدل‌هایی نگاه کنند.
- این انجمن از ریاضی‌دانان خواسته است همکاری با OpenAI را متوقف کرده و به شیوه‌ای از پژوهش بازگردند که در آن «درک انسانی» در کانون توجه است.
در حال حاضر بحث‌های جدی در محافل علمی درباره لزوم تغییر ساختار آکادمیک و برنامه‌های آموزشی شکل گرفته است؛ چرا که معیارهای سنتی مانند «تعداد مقالات» دیگر پاسخگوی دنیای جدید ابزارهای هوش مصنوعی نیستند.
باید دید آیا این واکنش‌ها محدود به رشته ریاضی باقی می‌ماند یا با ورود مدل‌های هوش مصنوعی به حوزه‌هایی مانند بیولوژی و فیزیک برای کشف فرمول‌ها و داروهای جدید، دایره مخالفت‌ها گسترده‌تر خواهد شد. آنچه مسلم است، روند توسعه این مدل‌ها توقف‌ناپذیر به نظر می‌رسد.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#OpenAI #Terence_Tao
🚀 افزایش سرعت اجرای LLM روی تراشه‌های Apple M5
موتور متن‌باز Uzu توسعه‌یافته توسط Mirai توانسته است با بهینه‌سازی فرآیند اجرا، سرعت پردازش مدل Qwen3.5 9B را روی تراشه Apple M5 از ۲۲ به ۱۱۷ توکن بر ثانیه برساند. این افزایش عملکرد با استفاده از تکنیک‌های زیر حاصل شده است:
* Quantization: کاهش دقت وزن‌های مدل برای کاهش فشار بر حافظه
* Speculative Decoding: پیش‌بینی توکن‌ها توسط یک مدل کوچک‌تر پیش از تأیید توسط مدل اصلی
* Weaver: مکانیزم اختصاصی برای مدیریت بهتر جریان داده‌ها
* مقایسه عملکرد: ثبت نتایج در بنچمارک‌های مستقیم در برابر
همچنین در مدل‌سازی برای توسعه Agentهای هوش مصنوعی، ۵ سطح بلوغ تعریف شده است که مسیر تکامل آن‌ها را از یک پرامپت ساده تا مرحله عملیاتی نشان می‌دهد:
* Context: سطح پایه برای ارائه اطلاعات به مدل
* Loop: اجرای چرخه‌های تکرار شونده
* Jev: مدیریت تعاملات و منطق‌های تصمیم‌گیری
* Harness: یکپارچه‌سازی ابزارها و محیط اجرا
* Evals: ارزیابی خودکار خروجی‌ها برای تضمین کیفیت در مقیاس تولید
🇮🇷 سایت | تلگرام
موتور متن‌باز Uzu توسعه‌یافته توسط Mirai توانسته است با بهینه‌سازی فرآیند اجرا، سرعت پردازش مدل Qwen3.5 9B را روی تراشه Apple M5 از ۲۲ به ۱۱۷ توکن بر ثانیه برساند. این افزایش عملکرد با استفاده از تکنیک‌های زیر حاصل شده است:
* Quantization: کاهش دقت وزن‌های مدل برای کاهش فشار بر حافظه
* Speculative Decoding: پیش‌بینی توکن‌ها توسط یک مدل کوچک‌تر پیش از تأیید توسط مدل اصلی
* Weaver: مکانیزم اختصاصی برای مدیریت بهتر جریان داده‌ها
* مقایسه عملکرد: ثبت نتایج در بنچمارک‌های مستقیم در برابر
llama.cpp و MLXهمچنین در مدل‌سازی برای توسعه Agentهای هوش مصنوعی، ۵ سطح بلوغ تعریف شده است که مسیر تکامل آن‌ها را از یک پرامپت ساده تا مرحله عملیاتی نشان می‌دهد:
* Context: سطح پایه برای ارائه اطلاعات به مدل
* Loop: اجرای چرخه‌های تکرار شونده
* Jev: مدیریت تعاملات و منطق‌های تصمیم‌گیری
* Harness: یکپارچه‌سازی ابزارها و محیط اجرا
* Evals: ارزیابی خودکار خروجی‌ها برای تضمین کیفیت در مقیاس تولید
🇮🇷 سایت | تلگرام
هوش مصنوعی و علم داده به فارسی
🤖 عرضه مدل Decision-1 توسط مایکروسافت مایکروسافت مدل جدیدی به نام Decision-1 را عرضه کرده است که صرفاً برای اتخاذ تصمیم طراحی شده است. این مدل بر پایه Qwen3.5-9B توسعه یافته و با دریافت یک درخواست و مجموعه‌ای از گزینه‌ها، احتمال کالیبره شده برای هر انتخاب…
This media is not supported in your browser
VIEW IN TELEGRAM
📊 معرفی مدل Microsoft-Decision-1 برای تصمیم‌گیری
مایکروسافت مدل جدیدی به نام Microsoft-Decision-1 عرضه کرده که به جای تولید متن، احتمال‌های کالیبره‌شده برای تصمیم‌گیری ارائه می‌دهد. این مدل که بر پایه Qwen3.5-9B آموزش دیده، برای استفاده در وظایفی مانند مسیریابی، طبقه‌بندی و کنترل ایجنت‌ها بهینه‌سازی شده است.
عملکرد این مدل بر اساس «امتیازدهی تصمیم در یک مرحله» است؛ به این صورت که با دریافت موقعیت، سوال و مجموعه‌ای از گزینه‌ها، برای هر گزینه یک احتمال دقیق باز می‌گرداند تا برنامه بتواند سریع تصمیم بگیرد یا درخواست را ارجاع دهد.
مهم‌ترین مشخصات فنی این مدل:
- دقت میانگین ۸۳.۵ درصد در ۳۶ بنچمارک مختلف.
- تاخیر ۸۵ میلی‌ثانیه‌ای (p50) که ۳۵ برابر سریع‌تر از GPT-6 Sol است.
- هزینه ۰.۰۴۲ دلار به ازای هر ۱ میلیون توکن ورودی.
محدودیت اصلی این مدل، عدم ارائه توضیح متنی، وزن‌های بسته و امتیاز کالیبراسیون ۹۲.۲ در مقابل ۹۳.۱ رقیب اصلی خود یعنی Quyet-1.0-Large است. جزئیات بیشتر در اعلامیه رسمی مایکروسافت در دسترس است.
مایکروسافت مدل جدیدی به نام Microsoft-Decision-1 عرضه کرده که به جای تولید متن، احتمال‌های کالیبره‌شده برای تصمیم‌گیری ارائه می‌دهد. این مدل که بر پایه Qwen3.5-9B آموزش دیده، برای استفاده در وظایفی مانند مسیریابی، طبقه‌بندی و کنترل ایجنت‌ها بهینه‌سازی شده است.
عملکرد این مدل بر اساس «امتیازدهی تصمیم در یک مرحله» است؛ به این صورت که با دریافت موقعیت، سوال و مجموعه‌ای از گزینه‌ها، برای هر گزینه یک احتمال دقیق باز می‌گرداند تا برنامه بتواند سریع تصمیم بگیرد یا درخواست را ارجاع دهد.
مهم‌ترین مشخصات فنی این مدل:
- دقت میانگین ۸۳.۵ درصد در ۳۶ بنچمارک مختلف.
- تاخیر ۸۵ میلی‌ثانیه‌ای (p50) که ۳۵ برابر سریع‌تر از GPT-6 Sol است.
- هزینه ۰.۰۴۲ دلار به ازای هر ۱ میلیون توکن ورودی.
محدودیت اصلی این مدل، عدم ارائه توضیح متنی، وزن‌های بسته و امتیاز کالیبراسیون ۹۲.۲ در مقابل ۹۳.۱ رقیب اصلی خود یعنی Quyet-1.0-Large است. جزئیات بیشتر در اعلامیه رسمی مایکروسافت در دسترس است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
انتشار مدل Qwen-Image-2.1 Turbo برای تولید تصویر
شرکت علی‌بابا نسخه جدید
ویژگی‌های اصلی این نسخه عبارتند از:
- تولید و ویرایش یکپارچه: قابلیت ایجاد تصاویر معمولی یا با پس‌زمینه شفاف (RGBA) و استخراج سوژه از عکس‌ها.
- ویرایش چندمنظوره: پشتیبانی از ۱۰ تصویر مرجع و اعمال ویرایش‌های محلی از طریق ماسک یا حاشیه‌نویسی با حفظ هویت سوژه‌ها.
- بهینه‌سازی محاسباتی: استفاده از معماری سبک با
- بهبود جزئیات: افزایش کیفیت تایپوگرافی و نورپردازی در پرتره‌ها.
شما می‌توانید از طریق کتابخانه Diffusers از وزن‌های این مدل به‌صورت محلی استفاده کنید یا از طریق API رسمی علی‌بابا به آن دسترسی داشته باشید. جزئیات بیشتر و دموها نیز در ModelScope در دسترس است.
#Qwen_Image_2_1_Turbo #denoising
شرکت علی‌بابا نسخه جدید
Qwen-Image-2.1-Turbo را منتشر کرد. این مدل که بر پایه همان معماری 7B مدل قبلی ساخته شده، اکنون با تنها مهم‌ترین مراحل denoising تصاویر 2K تولید می‌کند.ویژگی‌های اصلی این نسخه عبارتند از:
- تولید و ویرایش یکپارچه: قابلیت ایجاد تصاویر معمولی یا با پس‌زمینه شفاف (RGBA) و استخراج سوژه از عکس‌ها.
- ویرایش چندمنظوره: پشتیبانی از ۱۰ تصویر مرجع و اعمال ویرایش‌های محلی از طریق ماسک یا حاشیه‌نویسی با حفظ هویت سوژه‌ها.
- بهینه‌سازی محاسباتی: استفاده از معماری سبک با
mixed-granularity attention برای کاهش هزینه‌های استنتاج.- بهبود جزئیات: افزایش کیفیت تایپوگرافی و نورپردازی در پرتره‌ها.
شما می‌توانید از طریق کتابخانه Diffusers از وزن‌های این مدل به‌صورت محلی استفاده کنید یا از طریق API رسمی علی‌بابا به آن دسترسی داشته باشید. جزئیات بیشتر و دموها نیز در ModelScope در دسترس است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#Qwen_Image_2_1_Turbo #denoising
⚠️ پیشرفت مدل‌های هوش مصنوعی در ریاضیات و چالش امنیت شبکه
شرکت OpenAI به‌تازگی ۷۲۲ مقاله ریاضی منتشر کرده است که شامل ۳۷۲ خانواده از نتایج علمی می‌شود. این مدل‌ها توانسته‌اند در حل حدود ۴۰۰۰ مسئله ریاضی که برای دهه‌ها بی‌پاسخ مانده بودند، پیشرفت ایجاد کنند. اسکات آرنسون، دانشمند علوم کامپیوتر، این حجم از دستاوردها را «ریاضی‌کالیپس» نامیده است.
نگرانی اصلی اینجاست که تسریع در کشف الگوریتم‌های جدید ریاضی می‌تواند امنیت سیستم‌های رمزنگاری کلید عمومی را تهدید کند؛ سیستم‌هایی که در حال حاضر از تبادلات بانکی، پیام‌های شخصی و ارزهای دیجیتال محافظت می‌کنند.
جاستین دریک، از محققان اتریوم، به فعالان صنعت بلاک‌چین هشدار داده است که برای شرایط اضطراری آماده باشند. اگرچه هوش مصنوعی هنوز موفق به شکستن رمزنگاری‌های مدرن نشده است، اما سرعت کنونی در اکتشافات ریاضی می‌تواند رقابت برای ایمن‌سازی زیرساخت‌های اینترنت را جدی‌تر از گذشته کند.
#Mathocalypse #رمزنگاری_کلید_عمومی
شرکت OpenAI به‌تازگی ۷۲۲ مقاله ریاضی منتشر کرده است که شامل ۳۷۲ خانواده از نتایج علمی می‌شود. این مدل‌ها توانسته‌اند در حل حدود ۴۰۰۰ مسئله ریاضی که برای دهه‌ها بی‌پاسخ مانده بودند، پیشرفت ایجاد کنند. اسکات آرنسون، دانشمند علوم کامپیوتر، این حجم از دستاوردها را «ریاضی‌کالیپس» نامیده است.
نگرانی اصلی اینجاست که تسریع در کشف الگوریتم‌های جدید ریاضی می‌تواند امنیت سیستم‌های رمزنگاری کلید عمومی را تهدید کند؛ سیستم‌هایی که در حال حاضر از تبادلات بانکی، پیام‌های شخصی و ارزهای دیجیتال محافظت می‌کنند.
جاستین دریک، از محققان اتریوم، به فعالان صنعت بلاک‌چین هشدار داده است که برای شرایط اضطراری آماده باشند. اگرچه هوش مصنوعی هنوز موفق به شکستن رمزنگاری‌های مدرن نشده است، اما سرعت کنونی در اکتشافات ریاضی می‌تواند رقابت برای ایمن‌سازی زیرساخت‌های اینترنت را جدی‌تر از گذشته کند.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#Mathocalypse #رمزنگاری_کلید_عمومی
📊 مخزن ابزارهای ارزیابی مدل‌های زبانی
این مخزن شامل فهرستی از بیش از ۳۰۰ ابزار مختلف برای ارزیابی مدل‌های زبانی بزرگ (LLM) است. اگر به دنبال راهکارهایی برای بررسی عملکرد مدل‌ها، سیستم‌های RAG، عامل‌ها، پایش (observability) یا اجرای بنچمارک‌ها هستید، این مجموعه می‌تواند جایگزین جست‌وجوی مداوم در گیت‌هاب باشد.
مهم‌ترین دسته‌بندی‌های موجود در ai-evaluation-tools عبارتند از:
- ابزارهای ارزیابی جامع مدل‌های زبانی
- راهکارهای اختصاصی برای سیستم‌های RAG
- پلتفرم‌های تست و پایش ایجنت‌ها
- ابزارهای مدیریت امنیت و Guardrails
- انواع بنچمارک‌های استاندارد برای سنجش کیفیت خروجی‌ها
#LLMEvaluation #Guardrails
این مخزن شامل فهرستی از بیش از ۳۰۰ ابزار مختلف برای ارزیابی مدل‌های زبانی بزرگ (LLM) است. اگر به دنبال راهکارهایی برای بررسی عملکرد مدل‌ها، سیستم‌های RAG، عامل‌ها، پایش (observability) یا اجرای بنچمارک‌ها هستید، این مجموعه می‌تواند جایگزین جست‌وجوی مداوم در گیت‌هاب باشد.
مهم‌ترین دسته‌بندی‌های موجود در ai-evaluation-tools عبارتند از:
- ابزارهای ارزیابی جامع مدل‌های زبانی
- راهکارهای اختصاصی برای سیستم‌های RAG
- پلتفرم‌های تست و پایش ایجنت‌ها
- ابزارهای مدیریت امنیت و Guardrails
- انواع بنچمارک‌های استاندارد برای سنجش کیفیت خروجی‌ها
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#LLMEvaluation #Guardrails
Media is too big
VIEW IN TELEGRAM
📊 معرفی قابلیت Claude Dashboards و Claude Motion
نسخه بتای دو قابلیت جدید در کلود عرضه شد که امکان تبدیل داده و ایده به خروجی‌های بصری را فراهم می‌کند.
ویژگی Claude Dashboards به کاربران اجازه می‌دهد با اتصال مستقیم به پلتفرم‌های داده یا ابزارهای CRM، پرسش‌های خود را با زبان ساده مطرح کنند. کلود به‌صورت خودکار کوئری مورد نیاز را می‌نویسد و یک داشبورد زنده می‌سازد که با تغییر داده‌ها، به‌روزرسانی می‌شود. این قابلیت برای پلن‌های اشتراکی در دسترس است.
ویژگی Claude Motion نیز امکان تبدیل گزارش‌ها، نمودارها یا راهنمای محصولات را به انیمیشن‌های کوتاه فراهم می‌کند. این ابزار به جای استفاده از مدل‌های ویدیویی، هر انیمیشن را به صورت کد تولید می‌کند؛ بنابراین امکان ویرایش کلمات، اعداد و زمان‌بندی در آن وجود دارد و خروجی نهایی به صورت فایل MP4 قابل دریافت است. این قابلیت در حال حاضر برای پلن‌های Team و Enterprise فعال شده است.
اطلاعات بیشتر در سایت کلود در دسترس است.
#Claude_Dashboards #Claude_Motion
نسخه بتای دو قابلیت جدید در کلود عرضه شد که امکان تبدیل داده و ایده به خروجی‌های بصری را فراهم می‌کند.
ویژگی Claude Dashboards به کاربران اجازه می‌دهد با اتصال مستقیم به پلتفرم‌های داده یا ابزارهای CRM، پرسش‌های خود را با زبان ساده مطرح کنند. کلود به‌صورت خودکار کوئری مورد نیاز را می‌نویسد و یک داشبورد زنده می‌سازد که با تغییر داده‌ها، به‌روزرسانی می‌شود. این قابلیت برای پلن‌های اشتراکی در دسترس است.
ویژگی Claude Motion نیز امکان تبدیل گزارش‌ها، نمودارها یا راهنمای محصولات را به انیمیشن‌های کوتاه فراهم می‌کند. این ابزار به جای استفاده از مدل‌های ویدیویی، هر انیمیشن را به صورت کد تولید می‌کند؛ بنابراین امکان ویرایش کلمات، اعداد و زمان‌بندی در آن وجود دارد و خروجی نهایی به صورت فایل MP4 قابل دریافت است. این قابلیت در حال حاضر برای پلن‌های Team و Enterprise فعال شده است.
اطلاعات بیشتر در سایت کلود در دسترس است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#Claude_Dashboards #Claude_Motion