⚡️ ‏ برای موفقیت در مصاحبه‌های فنی و بهینه‌سازی کوئری‌های پایگاه‌داده، درک دقیق نحوه کارکرد انواع JOIN در SQL حیاتی است. این دستورات برای ترکیب داده‌ها از جداول مختلف استفاده می‌شوند.

🧠 ‏ چهار نوع اصلی که هر مهندس داده باید به خوبی بشناسد عبارتند از: INNER JOIN برای یافتن رکوردهای مشترک، LEFT JOIN برای حفظ تمام داده‌های جدول چپ، RIGHT JOIN برای بازگرداندن همه داده‌های جدول راست و در نهایت FULL OUTER JOIN که تمامی رکوردها از هر دو جدول را ترکیب می‌کند.

🚀 ‏ تسلط بر این مفاهیم به شما کمک می‌کند تا در مواجهه با چالش‌های پیچیده Data Manipulation، سریع‌تر و بهینه‌تر عمل کنید.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#SQL_Joins #Data_Manipulation

🚀 ‏ معرفی غول جدید علی‌بابا: مدل Qwen3.8

‏شرکت هوش مصنوعی علی‌بابا به زودی از نسل جدید مدل‌های زبانی خود یعنی Qwen3.8 به صورت open-weight (مدل‌های متن‌بازی که وزن‌های آموزش‌دیده آن‌ها برای عموم در دسترس است) رونمایی خواهد کرد. این ابرمدل قرار است با ظرفیت شگفت‌انگیز ۲.۴ تریلیون پارامتر عرضه شود.

🤖 ‏ توسعه‌دهندگان این پروژه، محصول جدید خود را یکی از قدرتمندترین گزینه‌های بازار می‌دانند و آن را هم‌رده با بزرگ‌ترین frontier models (مدل‌های هوش مصنوعی پیشتاز و پیشرو در جهان) قرار می‌دهند.

⚡ ‏ در حال حاضر نسخه پیش‌نمایش این مدل با نام Qwen3.8-Max-Preview جهت تست در پلتفرم‌های Alibaba Token Plan، ابزار برنامه‌نویسی Qoder و محیط توسعه QoderWork در دسترس قرار گرفته است.

🧠 ‏ انتظار می‌رود نسخه نهایی و وزن‌های آزاد این مدل در آینده نزدیک منتشر شوند. شما می‌توانید برای تجربه اولیه این فناوری به وب‌سایت بین‌المللی Alibaba Token Plan یا نسخه چین در پلتفرم Qianwen AI مراجعه کنید.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#خبر #Qwen

🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #64 | 📦 10 پست
🕐 شنبه 1405/04/27 ساعت 14:00 تا یکشنبه 1405/04/28 ساعت 14:00

🤖 مدل‌های زبانی بزرگ

تحولات اخیر مدل‌های زبانی بزرگ شامل معرفی مدل Grok 4.5 با امتیاز Elo 1543، رفتار رقابتی پیچیده مدل Terra (GPT-5.6) و دسترسی رایگان به مدل GLM 5.2 در پلتفرم TokenRouter است.
🔗 مشاهده پست

بررسی‌های جدید نشان می‌دهد ادعای برتری مدل‌های چینی مانند DeepSeek v4 Pro با واقعیت همخوانی ندارد و این مدل‌ها در تست‌های ارزیابی با بیش از ۲۰ درصد اختلاف شکست می‌خورند.
🔗 مشاهده پست

شرکت علی‌بابا به زودی از ابرمدل متن‌باز Qwen3.8 با ظرفیت شگفت‌انگیز ۲.۴ تریلیون پارامتر رونمایی خواهد کرد که هم‌رده بزرگ‌ترین مدل‌های پیشتاز جهان است.
🔗 مشاهده پست

🌐 مدل‌های چندوجهی و ابزارهای توسعه

مدل چندوجهی جدید Qwen3.6-35B-A3B به عنوان یک راهکار بدون محدودیت منتشر شده است که روی کارت‌های گرافیک با حافظه ۸ گیگابایت به راحتی اجرا می‌شود.
🔗 مشاهده پست

ابزار متن‌باز CUA SDK به عامل‌های هوش مصنوعی اجازه می‌دهد تا ماوس، کیبورد و سیستم‌عامل‌های مختلف را با کارایی بالا در سیستم‌های محلی کنترل کنند.
🔗 مشاهده پست

🦾 سخت‌افزار و رابط‌های مغزی

کشور چین اولین عمل جراحی تجاری کاشت رابط مغز و کامپیوتر جهان را با دستگاه NEO و با هدف ترجمه سیگنال‌های عصبی به فرمان‌های حرکتی انجام داد.
🔗 مشاهده پست

💼 بازار کار و پتانسیل اقتصادی

آمارها نشان می‌دهند که نزدیک به ۹۸ درصد از خانوارهای آمریکایی هنوز هزینه‌ای برای سرویس‌های هوش مصنوعی پرداخت نمی‌کنند که نشان‌دهنده بازار بسیار بزرگ و دست‌نخورده است.
🔗 مشاهده پست

🎓 آموزش و مبانی علم داده

کتاب ارزشمند Understanding Machine Learning از انتشارات دانشگاه کمبریج، مرجعی بنیادین برای یادگیری عمیق مبانی ریاضی یادگیری ماشین و الگوریتم‌های آن است.
🔗 مشاهده پست

تسلط بر انواع اتصال‌ها در پایگاه داده شامل Left Join ،Inner Join و Right Join یکی از پیش‌نیازهای کلیدی برای موفقیت در مصاحبه‌های فنی علم داده است.
🔗 مشاهده پست

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

🤖 ‏ حمله بی‌سابقه عامل‌های هوش مصنوعی به Hugging Face و طرح جدید رگولاتوری آمریکا

🛡 ‏️ پلتفرم معروف Hugging Face هدف یک حمله سایبری بی‌سابقه قرار گرفته که تمام مراحل آن از ابتدا تا انتها توسط یک سیستم خودمختار از عامل‌های هوش مصنوعی (AI Agents) هدایت شده است.

‏مهاجمان با سوءاستفاده از دو مسیر اجرای کد در پایپ‌لاین پردازش داده، به ماشین‌های مجازی نفوذ کرده و به داده‌های داخلی و برخی حساب‌های کاربری دسترسی پیدا کردند. جزئیات این رویداد را می‌توانید در گزارش رسمی Hugging Face مطالعه کنید.

🧠 ‏ این کمپین سایبری پیچیده با اجرای هزاران عملیات در ماشین‌های مجازی موقت و با استفاده از یک زیرساخت کنترل و فرمان مهاجر هدایت می‌شد که مصداق عینی سناریوی پیش‌بینی‌شده‌ی عامل‌های مهاجم هوش مصنوعی (Agentic Attacker) است.

🔍 ‏ جالب اینجاست که شناسایی و دفع این حمله نیز به کمک هوش مصنوعی انجام شد؛ زیرا در این پلتفرم، یک مدل زبانی بزرگ وظیفه پایش لاگ‌ها و بررسی آنومالی‌ها (رفتارهای غیرعادی و مشکوک در شبکه) را بر عهده دارد.

💻 ‏ متخصصان امنیتی در ابتدا تلاش کردند از APIهای تجاری معروف استفاده کنند، اما سیستم‌های ایمنی این ارائه‌دهندگان، درخواست‌های تحلیل لاگ را به عنوان محتوای مخرب مسدود کردند. در نهایت، آن‌ها مجبور شدند تحلیل‌های فارنزیک (جرم‌شناسی دیجیتال) را روی زیرساخت بومی خود و با استفاده از مدل متن‌باز GLM 5.2 انجام دهند.

🏛 ‏️ در خبری دیگر، بر اساس گزارش بلومبرگ، دولت آمریکا در حال بررسی طرحی برای ایجاد یک نهاد نظارتی مستقل جهت ممیزی مدل‌های پیشرفته هوش مصنوعی زیر نظر کمیسیون بورس و اوراق بهادار (SEC) است.

📊 ‏ این طرح همسو با پیشنهادهای اخیر Demis Hassabis (مدیرعامل DeepMind) است که ساختاری شبیه به سازمان خودتنظیم‌گر FINRA (نهاد ناظر بر کارگزاران مالی در آمریکا) را پیشنهاد می‌کند تا نظارت فنی بر عهده خودِ صنعت باشد.

⚡ ‏ دلیل اصلی تمایل به این رویکرد، کندی ساختارهای دولتی در هماهنگی با سرعت رشد فناوری و همچنین عدم توانایی دولت در پرداخت دستمزدهای رقابتی به متخصصان زبده هوش مصنوعی در مقایسه با شرکت‌های بزرگ فناوری است.

🔗 ‏ en.wikipedia.org

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#خبر #HuggingFace

🤖 ‏ فریم‌ورک OpenResearcher معرفی شد

⚡️ ‏️ آزمایشگاه TIGER-AI از ابزار OpenResearcher رونمایی کرد. این پروژه یک خط‌لوله (مجموعه‌ای از مراحل پردازش داده) کاملاً متن‌باز برای آموزش عوامل تحقیقات عمیق (Deep Research Agents) است که تمام کدهای آموزش، ارزیابی و محیط جستجوی آفلاین را ارائه می‌دهد.

🧠 ‏ این ابزار با تکیه بر حدود ۹۶ هزار مسیر تحقیقاتی به مدل‌ها یاد می‌دهد که به‌جای تولید پاسخ‌های فرضی، فرآیند کامل پژوهش شامل جستجو در وب، استخراج شواهد و استدلال چندمرحله‌ای را برای رسیدن به پاسخ نهایی طی کنند.


🔗 ‏ مخزن GitHub

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#ابزار #AgentAI

🤖 ‏ ابزار AgentField برای توسعه و اجرای AI Agentها در مقیاس عملیاتی

⚡ ‏ فریم‌ورک AgentField با هدف تبدیل AI Agentها به سرویس‌های بک‌اند استاندارد طراحی شده است. این ابزار به جای تمرکز صرف بر منطق ایجنت، بر چالش‌های استقرار در محیط Production، مدیریت API و میکروسرویس‌ها متمرکز است.

🧩 ‏ با این ابزار، توابع ساده Python، Go یا TypeScript به REST endpoints با قابلیت‌های مدیریت وضعیت، retry خودکار، حافظه (Memory) و قابلیت مشاهده (Observability) تبدیل می‌شوند. پروژه با بیش از ۲.۴ هزار ستاره در گیت‌هاب، امکان مدیریت هزاران ایجنت را فراهم می‌کند.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#معرفی #AgentAI

‏🇨🇳 ترجیح مدل‌های هوش مصنوعی چینی در آمریکا

📊 ‏ گزارش‌های اخیر نشان می‌دهند که شرکت‌های آمریکایی اکنون بیش از مدل‌های بومی ایالات متحده، از مدل‌های هوش مصنوعی چینی استفاده می‌کنند.

📈 ‏ این تغییر جهت غافلگیرکننده در بازار، نشان‌دهنده افزایش رقابت‌پذیری و کارایی بالای فناوری‌های توسعه‌یافته توسط شرکت‌های چینی است که توانسته‌اند سهم بازار قابل‌توجهی کسب کنند.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#خبر #Qwen

📚 ‏ مرجع جامع جبر برای متخصصان

🧠 ‏ کتاب Basic Algebra نوشته Anthony Knapp یک منبع فوق‌العاده برای دانشجویان ارشد و علاقه‌مندان به درک عمیق ریاضیات است. این کتاب در بیش از 700 صفحه، مسیر کاملی از مفاهیم پایه‌ای تا نظریات پیشرفته را پوشش می‌دهد.

⚡ ‏ محتوای این اثر شامل مباحث کلیدی نظیر گروه‌ها، حلقه‌ها، میدان‌ها و نظریه گالوا است. همچنین مباحث کاربردی در مدل‌سازی مانند ماتریس‌ها، تانسورها و جبر خطی به شکلی دقیق تدریس شده‌اند.

math.stonybrook.edu/~aknapp/download/b2-alg-coverandinside.pdf

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#معرفی #DataScience

🚀 ‏ توقف موقت اشتراک‌گیری Kimi K3

🤖 ‏ سرویس هوش مصنوعی Kimi K3 به دلیل تقاضای بسیار بالا و فشار سنگین بر منابع پردازشی GPU، ثبت‌نام کاربران جدید را به طور موقت متوقف کرد. محدودیت در توان عملیاتی (Inference capacity) اکنون به اصلی‌ترین چالش برای گسترش این مدل تبدیل شده است.

⚡ ‏ پیش‌بینی می‌شود این فشار زیرساختی، تقاضا برای تراشه‌های هوش مصنوعی چینی، به‌ویژه محصولات Huawei را افزایش دهد. این موضوع نشان‌دهنده اهمیت حیاتی سخت‌افزار در مقیاس‌پذیری مدل‌های بزرگ است.

📊 ‏ تیم توسعه‌دهنده قصد دارد در فازهای بعدی ظرفیت خود را توسعه دهد و اشتراک‌ها را مجدداً بازگشایی کند. در ساختار جدید، مدل‌های اشتراکی به دو دسته عمومی و تخصصی برنامه‌نویسی تقسیم خواهند شد تا منابع پردازشی بهینه‌تر مدیریت شوند.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#خبر #Kimi

🚀 ‏ جهش خیره‌کننده مدل‌های متن‌باز چینی

🚨 ‏ سرعت رشد مدل‌های هوش مصنوعی Open-source به طرز باورنکردنی افزایش یافته است. در حال حاضر، آزمایشگاه‌های پیشرو چینی با سرعتی بی‌سابقه، مدل‌هایی در سطح جهانی ارائه می‌دهند که فاصله چندانی با مدل‌های اختصاصی (Closed-source) ندارند.

🔬 ‏ مدل‌های جدیدی مانند GLM-5.2 با عملکردی نزدیک به Opus، مدل Kimi K3 در سطح Fable و Qwen 3.8 Max با پارامترهای عظیم 2.4 تریلیونی منتشر شده‌اند که نشان‌دهنده قدرت محاسباتی بالای این مجموعه‌هاست.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#گزارش #Qwen

🤖 ‏ علت اصلی شکست عامل‌های هوش مصنوعی

🧠 ‏ پژوهش جدید نشان می‌دهد شکست یک AI Agent (عامل هوشمند)، پیش از خطای مدل، در بافتار و محیط (Context) آن رخ می‌دهد. دستورالعمل مبهم، توصیف ضعیف ابزارها و حافظه کم از دلایل اصلی این امر هستند.

📊 ‏ بررسی روی ۳۰۰ تست نشان داد ساختاریافته کردن محیط، عملکرد مدل‌ها را ارتقا می‌دهد. اطلاعات واقعی‌تر توهم (Hallucination) را کاهش داده و تعریف دقیق‌تر ابزارها، قابلیت Tool use را بهبود می‌بخشد.

⚠ ‏️ البته محافظت بیش از حد (Guardrails) عامل‌ها را بیش از حد محتاط می‌کند. پس پیش از تغییر مدل، پرامپت، ابزارها و حافظه سیستم را بررسی کنید.

🔗 ‏ مقاله در arXiv

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#پژوهش #AgentAI

🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #65 | 📦 10 پست
🕐 یکشنبه 1405/04/28 ساعت 14:00 تا دوشنبه 1405/04/29 ساعت 14:00

🤖 مدل‌های زبانی بزرگ

تحولات اخیر نشان می‌دهد مدل Grok 4.5 با کسب امتیاز Elo 1543 پیشتاز است، در حالی که مدل‌های چینی مانند DeepSeek v4 Pro در ارزیابی‌ها با بیش از ۲۰ درصد اختلاف عملکرد ضعیف‌تری ثبت کرده‌اند.
🔗 مشاهده پست

گزارش‌های جدید نشان می‌دهند که شرکت‌های آمریکایی اکنون به دلیل کارایی بالا، استفاده از مدل‌های هوش مصنوعی چینی را به گزینه‌های بومی ترجیح می‌دهند.
🔗 مشاهده پست

مدل‌های متن‌باز چینی با معرفی ابرمدل‌هایی چون Qwen 3.8 Max با ظرفیت ۲.۴ تریلیون پارامتر و مدل GLM-5.2 گامی بلند در جهت رقابت با مدل‌های تجاری برداشته‌اند.
🔗 مشاهده پست

🦾 توسعه و تحلیل عامل‌های هوشمند

پلتفرم معروف Hugging Face هدف یک حمله سایبری پیچیده توسط سیستم‌های خودمختار یا همان عامل‌های هوشمند (AI Agents) مهاجم قرار گرفت که با نفوذ به ماشین‌های مجازی به داده‌های داخلی دسترسی یافتند.
🔗 مشاهده پست

آزمایشگاه TIGER-AI فریم‌ورک متن‌باز OpenResearcher را برای آموزش عوامل تحقیقات عمیق ارایه داد که بر پایه ۹۶ هزار مسیر پژوهشی فرآیند جستجو و استدلال چندمرحله‌ای را شبیه‌سازی می‌کند.
🔗 مشاهده پست

ابزار AgentField با کسب بیش از ۲.۴ هزار ستاره گیت‌هاب، توابع پایتون را به REST API تبدیل کرده و فرآیند مدیریت و استقرار ایجنت‌ها را در محیط Production تسهیل می‌کند.
🔗 مشاهده پست

پژوهش‌های جدید نشان می‌دهد دلیل اصلی شکست عامل‌های هوشمند، قبل از خطای مدل، در ضعف بافتار (Context)، پرامپت‌های مبهم و تعریف ضعیف ابزارها نهفته است.
🔗 مشاهده پست

🎓 ریاضیات و منابع آموزشی

کتاب جامع Basic Algebra اثر Anthony Knapp در بیش از ۷۰۰ صفحه، مفاهیم پایه‌ای جبر خطی، ماتریس‌ها، تانسورها و جبر کاربردی در مدل‌سازی را به شکلی دقیق آموزش می‌دهد.
🔗 مشاهده پست

⚡ زیرساخت و سخت‌افزار

سرویس هوش مصنوعی Kimi K3 به دلیل تقاضای بسیار بالا و فشار سنگین بر پردازنده‌های GPU، ثبت‌نام کاربران جدید را موقت متوقف کرد که این امر نشان‌دهنده اهمیت حیاتی سخت‌افزار در مقیاس‌پذیری است.
🔗 مشاهده پست

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

🚀 ‏ مقایسه مدل‌های هوش مصنوعی در ساخت پروژه‌های سه‌بعدی

🤖 ‏ اخیراً شاهد یک رقابت جدی در حوزه تولید محتوای ۳بعدی میان مدل‌های Claude Fable 5 و Kimi K3 هستیم. توسعه‌دهندگان با استفاده از این مدل‌ها، ابزارهای پیشرفته‌ای برای انتخاب صندلی در استادیوم‌های ورزشی یا کنسرت‌ها ساخته‌اند که دید دقیق و واقعی از جایگاه کاربر را پیش از خرید بلیت ارائه می‌دهد.


📊 ‏ این فناوری با جایگزینی نقشه‌های دوبعدی و ایستا، تجربه کاربری را در پلتفرم‌های فروش بلیت متحول می‌کند. از سینماها گرفته تا زمین‌های کریکت و مسابقات ویمبلدون، این ابزارها امکان مشاهده فضای سه‌بعدی محیط را فراهم کرده‌اند.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#Claude_Fable5 #Kimi_K3

💡 ‏ ۹ ترفند کلیدی برای بهبود پرامپت‌نویسی

🧠 ‏ برای دریافت نتایج دقیق‌تر از مدل‌های هوش مصنوعی، به این ۹ استراتژی کاربردی توجه کنید. شفافیت در دستورالعمل‌ها و ارائه زمینه (Context) کافی، اولین گام برای رسیدن به خروجی مطلوب است.

⚡ ‏ از تکنیک Few-Shot Prompting (ارائه چند مثال نمونه) استفاده کنید تا مدل الگوهای مدنظر شما را بهتر درک کند. همچنین تعیین نقش (Persona) برای هوش مصنوعی به خروجی نهایی لحن و دقت تخصصی‌تری می‌بخشد.

🚀 ‏ درخواست‌های پیچیده را به مراحل کوچک‌تر تقسیم کنید تا احتمال بروز خطای منطقی کاهش یابد. به یاد داشته باشید که تکرار و بازخورد گرفتن از مدل، یکی از بهترین روش‌ها برای بهینه‌سازی پاسخ نهایی است.

🧩 ‏ مشخص کردن فرمت خروجی، مثلاً درخواست جدول یا کد اجرایی، به ساختاریافته‌تر شدن پاسخ کمک شایانی می‌کند. همیشه سعی کنید محدودیت‌های موردنظر خود را به‌صورت صریح و منفی (مثلاً: بدون استفاده از اصطلاحات سخت) بیان کنید.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#Few_Shot_Prompting #پرامپت_نویسی

🚀 ‏ تحلیل پرفورمنس مدل Kimi K3 در برنامه‌نویسی

🔬 ‏ بررسی نتایج جدید در benchmark اختصاصی «vibe coding» نشان می‌دهد که مدل Kimi K3 به نقطه عطف مهمی در دنیای هوش مصنوعی رسیده است. این بنچ‌مارک توانایی مدل‌ها در ساخت و استقرار کامل اپلیکیشن‌های وب را می‌سنجد.

⚡ ‏ برای نخستین بار در تاریخ، یک مدل با دسترسی باز (open-weight) موفق شده است مدل‌های پیشرو OpenAI و Anthropic را پشت سر بگذارد. تا پیش از این، مدل‌های متن‌باز صرفاً گزینه‌هایی جالب بودند و توان رقابت با غول‌های آمریکایی را نداشتند.

📈 ‏ در تحلیل روند پیشرفت، نرخ بهبود یا Slope اهمیت حیاتی دارد. مدل Kimi K3 توانسته است امتیاز خود را از ۱۷.۵٪ به ۸۵.۰٪ در عرض ۵.۵ ماه ارتقا دهد؛ یعنی نرخ رشد خیره‌کننده ۱۲ امتیاز در هر ماه.

🧠 ‏ این در حالی است که مدل‌های سری GPT در بازه مشابه، با شیبی حدود ۷.۱ امتیاز در ماه رشد کرده‌اند. نکته کلیدی دیگر، بهره‌وری توکن (token efficiency) است که در K3 بسیار بهینه‌تر از رقبا ارزیابی شده است.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#Kimi_K3 #vibe_coding

🤖 ‏ ارزیابی مدل Kimi-k3 در برابر مدل‌های Frontier

⚡ ‏ بررسی عملکرد مدل جدید Kimi-k3 نشان می‌دهد که اگرچه این مدل در تلاش برای نزدیکی به استانداردهای مدل‌های برتر (Frontier) است، اما در سناریوهای عملیاتی چالش‌های جدی دارد. تست انجام شده شامل طراحی یک Chain Reaction Machine (ماشین واکنش زنجیره‌ای) با آزادی عمل کامل در پیاده‌سازی بود.

🧠 ‏ در مقایسه با مدل GPT-5.6، این ابزار با مشکلات جدی در بهره‌وری روبروست. مدل GPT-5.6 در نسخه Codex با هزینه 4.53 دلار و در زمان 25 دقیقه، و نسخه Max آن با هزینه 1.71 دلار در مدت 15 دقیقه، موفق به تکمیل تسک شد.

🔬 ‏ در مقابل، مدل Kimi-k3 با استفاده از 10 میلیون توکن ورودی و تولید 101 هزار توکن، عملکرد بسیار ضعیف‌تری نشان داد. فرآیند اجرای این مدل حدود 6 ساعت به طول انجامید و به دلیل اتمام محدودیت‌های زمانی و نیاز مکرر به دستور Continue، متوقف شد.

📊 ‏ هزینه تخمینی برای Kimi-k3 معادل 4.18 دلار برآورد شد .

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#Kimi_k3 #Chain_Reaction_Machine

🤖 ‏ رونمایی از ربات انسان‌نمای GENE.01

🤖 ‏ استارتاپ ایتالیایی Generative Bionics تنها در مدت ۶ ماه موفق به توسعه پلتفرم رباتیک GENE.01 شده است. این ربات انسان‌نمای کاربردی می‌تواند به راحتی راه برود، محیط خود را درک کند و با آن تعامل داشته باشد.

🔬 ‏ این ربات به پوست چندوجهی تمام‌بدن مجهز شده است که توانایی حس کردن لمس، مجاورت، نیرو و دما را دارد. این فناوری هوشمند گامی بزرگ برای نزدیک‌تر کردن هوش مصنوعی فیزیکی (تعامل سیستم‌های هوشمند با دنیای مادی) به همکاری ایمن و طبیعی با انسان‌ها به شمار می‌رود.

🚀 ‏ برای آشنایی بیشتر با جزئیات فنی این ربات می‌توانید به وب‌سایت رسمی پروژه مراجعه کنید.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما