📊 ‏ راهنمای جامع بنچمارک‌های ارزیابی هوش مصنوعی

🔬 ‏ با رشد سریع مدل‌های زبانی بزرگ (LLM)، ارزیابی دقیق عملکرد مدل‌ها فراتر از شمارش پارامترها یا تست‌های ساده است. بنچمارک‌ها ابزارهای حیاتی برای درک نقاط قوت تخصصی مدل‌ها در محیط‌های واقعی هستند.

💻 ‏ در حوزه کدنویسی و مهندسی نرم‌افزار، مجموعه‌های SWE-Bench Pro، نسخه Multilingual و Terminal-Bench استانداردهای اصلی برای سنجش توانایی حل مسائل پیچیده برنامه‌نویسی محسوب می‌شوند.

🤖 ‏ برای ارزیابی عملکرد ایجنت‌ها و تعامل با ابزارها، معیارهایی نظیر Tau3-banking-AA، MCP-Atlas و SkillsBench به همراه بنچمارک‌های WideSearch و BrowseComp برای سنجش مهارت‌های جست‌وجو و ناوبری ارائه شده‌اند.

🎯 ‏ جهت بررسی دستورپذیری و کنترل رفتاری مدل، آزمون‌های IFBench، SysBench و Multi-IF دقیق‌ترین ارزیابی‌ها را ارائه می‌دهند. همچنین برای سنجش حافظه و متن‌های طولانی، بنچمارک MRCR-128k یک انتخاب کلیدی است.

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

#SWE_Bench_Pro #Multi_IF

🧠 خلاصه تحولات 48 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #68 | 📦 103 پست
🕐 پنجشنبه 1405/05/01 ساعت 14:00 تا شنبه 1405/05/03 ساعت 14:00

🤖 مدل‌های زبانی بزرگ

مدل Grok 4.5 با کسب امتیاز 1543 در صدر مدل‌ها قرار دارد و رقابت سنگینی با مدل‌های چینی مانند Qwen 3.8 Max با ظرفیت ۲.۴ تریلیون پارامتر شکل گرفته است.
🔗 مشاهده پست

مدل Claude Opus 5 به عنوان پرچمدار جدید Anthropic، در بنچمارک ARC-AGI-3 عملکردی ۳ برابر بهتر از رقبا داشته و در حوزه کدنویسی عاملی پیشتاز است.
🔗 مشاهده پست

مدل Fugu-Ultra v1.1 از شرکت Sakana AI با ارتقای میانگین دقت ۷.۹ واحد، در حوزه‌های Agentic Tasks و برنامه‌نویسی بهینه‌سازی شده است.
🔗 مشاهده پست

مدل ویدئویی FLUX 3 از Black Forest Labs با قابلیت تولید چندوجهی Multimodal، نویدبخش تحولی جدید در رقابت با مدل‌های گوگل است.
🔗 مشاهده پست

🦾 رباتیک و هوش عاملی

صنعت رباتیک تا سال 2040 با رشدی ۳۷۰ برابری به ارزش ۳۷۰ میلیارد دلار خواهد رسید که موتور محرک آن ربات‌های انسان‌نما است.
🔗 مشاهده پست

قابلیت Plan Mode در ابزار Manus، امکان تحلیل و تدوین طرح اجرایی پیش از اقدام را برای کاهش خطاهای ایجنت‌ها فراهم می‌کند.
🔗 مشاهده پست

پلتفرم متن‌باز Buzz با پروتکل Nostr، محیطی غیرمتمرکز برای همکاری هم‌زمان انسان و ایجنت‌های هوش مصنوعی ایجاد کرده است.
🔗 مشاهده پست

⚙️ توسعه، امنیت و زیرساخت

ابزار Claude Security با معماری چندعامله، پیش از کامیت کد، ریپازیتوری را برای یافتن حفره‌های امنیتی اسکن می‌کند.
🔗 مشاهده پست

قابلیت Router در ادیتور Cursor به صورت خودکار بهینه‌ترین مدل زبانی را انتخاب کرده و تا ۶۰٪ کاهش هزینه به همراه دارد.
🔗 مشاهده پست

مدل Kimi K3 در دستاوردی فنی، با استفاده از ۳۲ عامل خودمختار موفق به اکسپلویت آسیب‌پذیری RCE در سرورهای Redis شد.
🔗 مشاهده پست

📊 ابزارهای داده و بنچمارک‌ها

بنچمارک FrontierBench با ۷۴ وظیفه عملیاتی دشوار، جایگزین TerminalBench برای سنجش واقع‌گرایانه مدل‌ها شده است.
🔗 مشاهده پست

دیتاست‌های جدید در Kaggle شامل موضوعات متنوعی نظیر پیش‌بینی سلامت، تحلیل تراکنش‌های بانکی، قیمت ارزهای دیجیتال و داده‌های تاریخی فوتبال از سال 1872 است.
🔗 مشاهده پست

دیتاست Indian Labour & Corporate Law با بیش از ۹۵۰ بخش و فرمت JSON، منبعی ارزشمند برای تحلیل‌های حقوقی و متنی است.
🔗 مشاهده پست

🎓 پژوهش و آموزش

مدل dots-note-3.0 موفق شد در آزمون المپیاد جهانی ریاضی IMO به نمره کامل ۴۲ از ۴۲ دست یابد که اولین مورد در نوع خود است.
🔗 مشاهده پست

مدل UniD با رویکرد Unified Video Dense Prediction، وظایف پیش‌بینی چگال ویدیو را به صورت یکپارچه انجام می‌دهد.
🔗 مشاهده پست

شرکت‌های فناوری در بیانیه‌ای از اهمیت مدل‌های دارای Open Weights برای رشد اقتصاد هوش مصنوعی و ارتقای امنیت سایبری دفاع کردند.
🔗 مشاهده پست

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

🤖 ‏ درخشش هوش مصنوعی در المپیاد جهانی ریاضی

🔬 ‏ نتایج اخیر نشان می‌دهد مدل Claude Opus 5 موفق شده است در تمامی ۶ مسئله المپیاد جهانی ریاضی (IMO) 2026، امتیاز کامل ۴۲ از ۴۲ را کسب کند. این در حالی است که حد نصاب دریافت مدال طلا در این دوره، کسب ۲۹ امتیاز بوده است.

⚡ ‏ برخلاف سال‌های گذشته، این مدل بدون استفاده از هیچ‌گونه ابزار کمکی، دسترسی به اینترنت یا محیط اجرای پایتون این مسیر را طی کرده است. ارزیابی اولیه توسط یک «گروه مدل‌ها» و سپس بازبینی دقیق متخصصان انسانی صورت گرفته که تأیید کردند هر ۲۴ راه حل تولید شده توسط مدل، کاملاً صحیح و استاندارد هستند.

🧠 ‏ ویژگی بارز این دستاورد، استفاده از Adaptive Thinking (تفکر تطبیقی) با ظرفیت خروجی ۲۵۶ هزار توکن است. مدل در این سناریو حتی در شرایطی که با محدودیت توکن مواجه بود، توانست راهکارهای جایگزین هوشمندانه‌ای ارائه دهد.

📊 ‏ نکته قابل تأمل این است که مدل‌های قدرتمند دیگری مانند GPT-5.6-Sol-Pro و Kimi K3 نیز نتایج مشابهی کسب کرده‌اند.

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

#Claude_Opus_5 #Adaptive_Thinking

🚀 ‏ معرفی Fireducks به‌عنوان جایگزین بهینه Pandas

‏اگر در پردازش‌های سنگین داده با کتابخانه Pandas با چالش سرعت مواجه هستید، ابزار جدید Fireducks یک جایگزین قدرتمند و بسیار سریع برای بهبود کارایی عملیات‌های داده‌محور است. این کتابخانه به گونه‌ای طراحی شده که بدون نیاز به تغییرات گسترده در کدهای فعلی شما، سرعت اجرای برنامه‌ها را به شکل چشمگیری افزایش می‌دهد.

⚙ ‏️ برای بهره‌مندی از این قابلیت، تنها کافی است دستور import خود را به صورت import fireducks.pandas as pd تغییر دهید. این تغییر بسیار ساده، مسیر را برای اجرای بهینه‌تر و سریع‌تر توابع سنتی Pandas در پروژه‌های شما هموار می‌کند.

📈 ‏ نتایج حاصل از benchmarkهای معتبر نشان می‌دهد که Fireducks در سناریوهای مختلف پردازش، بهبود عملکرد قابل‌توجهی نسبت به نسخه‌های استاندارد دارد. این ابزار برای متخصصانی که با حجم بالای داده سر و کار دارند، گزینه‌ای ایده‌آل جهت کاهش چشمگیر زمان محاسبات و افزایش بهره‌وری تیم‌های تحلیل داده محسوب می‌شود.

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

#Fireducks #Pandas_Benchmark

🤖 ‏ تحول مدل‌های هوش مصنوعی در حل باگ‌های برنامه‌نویسی

🔬 ‏ بررسی تخصصی روی بنچمارک Bug Hunt Bench نشان می‌دهد که نسخه جدید Claude 5 Opus در شناسایی و رفع خطاهای نرم‌افزاری جهش خیره‌کننده‌ای داشته است. این مدل در یک مخزن کد VS Code با ۲۸ هزار خط و ۴۵ باگ تعبیه‌شده، موفق به رفع ۱۱ خطا شد که نشان‌دهنده درک عمیق‌تر آن از ساختار کدهای پیچیده است.

⚡️ ‏ در مقایسه، نسخه Opus 4.8 تنها توانسته بود ۲ باگ را اصلاح کند. نسخه جدید نه تنها موارد پیشین را با موفقیت پشت سر گذاشت، بلکه ۹ باگ پیچیده دیگر را نیز بدون ایجاد False Fix (اصلاحات کاذب) برطرف کرد که نرخ موفقیت آن را به‌طور محسوسی ارتقا داد.

📊 ‏ با وجود این بهبود عملکرد، مدل GPT-5.6 Sol همچنان با حل ۱۳ باگ، پیشتاز این ارزیابی است. با این حال، همچنان ۲۷ خطا از مجموع ۴۵ مورد، توسط تمام مدل‌های بررسی‌شده حل‌نشده باقی مانده‌اند که نشان می‌دهد دنیای توسعه خودکار کد، همچنان برای رسیدن به دقت مطلق راه درازی در پیش دارد.

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

#Claude_3 #Bug_Hunt_Bench

📚 ‏ کتاب جامع و رایگان نظریه بازی‌ها

⚡️ ‏ انتشار یک منبع آموزشی رایگان و متن‌باز (Open Source) با عنوان Game Theory اثر Giacomo Bonanno فرصتی عالی برای متخصصان حوزه‌های الگوریتم و هوش مصنوعی است. این کتاب ۵۷۸ صفحه‌ای که در دانشگاه کالیفرنیا، دیویس تدوین شده، مرجعی قدرتمند برای درک تعاملات استراتژیک در سیستم‌های چندعاملی (Multi-Agent Systems) و یادگیری ماشین است.

🧠 ‏ محتوای این اثر شامل اصول بنیادی نظریه بازی‌ها، مفاهیم تعادل و فرآیندهای تصمیم‌گیری است. با تکیه بر ۱۶۵ مسئله حل‌شده و ۱۶۳ تصویر آموزشی، این کتاب پلی میان مباحث پیچیده ریاضی، اقتصاد و علوم کامپیوتر ایجاد کرده است که برای مطالعه عمیق مفاهیم تصمیم‌گیری هوشمند بسیار کاربردی است.

📊 ‏ استفاده از این محتوا تحت لیسانس Creative Commons امکان‌پذیر است و مطالعه آن برای افرادی که در حوزه‌های تخصصی آمار، احتمالات و طراحی مدل‌های هوشمند فعالیت می‌کنند، اکیداً توصیه می‌شود.

🔗 ‏ https://arxiv.org/pdf/1512.06808

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

#نظریه_بازی #Multi_Agent_Systems

🎲 ‏ کتاب جامع نظریه بازی‌ها

‏کتاب نظریه بازی‌ها (Game Theory) تألیف Giacomo Bonanno از دانشگاه کالیفرنیا، دیویس، یک منبع متن‌باز و ارزشمند برای علاقه‌مندان به مدل‌سازی‌های استراتژیک است.

🧠 ‏ این کتاب آموزشی با رویکردی آکادمیک و دقیق تدوین شده و برای درک مفاهیم کلیدی در حوزه‌های تصمیم‌گیری و بهینه‌سازی بسیار کاربردی است.

⚡️ ‏ یکی از ویژگی‌های بارز این اثر، گنجاندن ۱۶۵ تمرین حل‌شده است که به یادگیری عمیق‌تر و تسلط بر مسائل پیچیده کمک می‌کند.

‏این کتاب برای پژوهشگرانی که در زمینه‌های علوم داده و هوش مصنوعی با مباحث تئوری تصمیم و RLHF درگیر هستند، گزینه‌ای عالی برای مطالعه پایه است.

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

#نظریه_بازی #RLHF

📊 ‏ ۱۱ متد کلیدی ارزیابی مدل‌های هوش مصنوعی

⚡ ‏ ارزیابی مدل‌های زبانی بزرگ (LLM) بسیار پیچیده است؛ چرا که معیارهای مختلف ممکن است نتایج متفاوتی ارائه دهند. برای نمونه، BLEU بر شباهت کلمات متمرکز است، در حالی که BERTScore به دنبال تطابق معنایی است. به همین دلیل، متدهای ارزیابی را بر اساس ماهیت‌شان به دسته‌های مختلف تقسیم می‌کنند.

🔬 ‏ روش‌های مرجع‌محور شامل BLEU، ROUGE و BERTScore هستند که بر اساس داده‌های از پیش تعیین‌شده کار می‌کنند. در مقابل، روش‌های قضاوت‌محور مانند G-Eval، LLM-as-Judge و هیئت‌های داوری مدل، در غیاب داده‌های دقیق به ارزیابی می‌پردازند. همچنین برای بررسی عملکرد ایجنت‌ها، Trajectory accuracy و ارزیابی‌های چندمرحله‌ای به کار می‌روند و برای کنترل ایمنی از ارزیابی‌های Safety استفاده می‌شود.

🚀 ‏ ابزار متن‌باز Opik پیاده‌سازی این معیارها را ساده کرده است تا بتوانید آن‌ها را مستقیماً روی داده‌های تولیدی اجرا کنید.

🔗 ‏ GitHub

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

#BERTScore #Opik

‏🇺🇸 چالش قیمت‌گذاری هوش مصنوعی آمریکا در برابر رقبا

⚡ ‏ مدل‌های هوش مصنوعی آمریکایی که سال‌ها پیشگام بازار بودند، اکنون با چالش جدی قیمت‌گذاری از سوی رقبا مواجه‌اند. مدل جدید Kimi K3 محصول Moonshot AI، تنها با قیمت ۱۵ دلار به ازای هر میلیون توکن خروجی عرضه شده که تقریباً نصف هزینه مدل GPT-5.6 Sol است و سایر مدل‌های چینی نیز با هزینه‌ای بسیار کمتر در دسترس هستند.

🧠 ‏ بسیاری از مدل‌های پیشرو چینی به صورت open-weight (مدل‌هایی با وزن‌های قابل دانلود برای شخصی‌سازی) منتشر می‌شوند. این استراتژی به سازمان‌ها اجازه می‌دهد زیرساخت اختصاصی خود را داشته باشند، مدل‌ها را بهینه کنند و داده‌های حساس خود را برخلاف مدل‌های مبتنی بر API، کاملاً در محیط داخلی حفظ کنند.

🚀 ‏ شرکت‌های بزرگی مانند Airbnb، DoorDash و Microsoft به دلیل صرفه اقتصادی و عملکرد رقابتی، در حال بررسی استفاده از این مدل‌ها برای بارهای کاری خاص هستند.

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

#Kimi_K3 #Open_Weight

📊 ‏ تبدیل هوشمند پیکره‌های متنی به گراف دانش

🧠 ‏ ابزار جدیدی برای استخراج خودکار مفاهیم و روابط میان آن‌ها طراحی شده است که پیکره متنی شما را به یک Knowledge Graph (شبکه معنایی متصل از موجودیت‌ها و روابط) تبدیل می‌کند. این ساختار گرافیکی به مدل‌های زبانی کمک می‌کند تا درک بسیار عمیق‌تری از ارتباطات پیچیده میان داده‌ها داشته باشند.

⚡ ‏ یکی از ویژگی‌های کلیدی این پروژه، پشتیبانی از متد Graph RAG است. با به‌کارگیری این روش، دقت سیستم‌های بازیابی اطلاعات به طرز چشمگیری افزایش می‌یابد؛ چرا که مدل به‌جای جستجوی خطی و متنی ساده، در شبکه گره‌ها به جستجوی مفهومی برای یافتن پاسخ‌های دقیق‌تر می‌پردازد.

🚀 ‏ این ابزار امکان اجرا به صورت کاملاً محلی (Local) را از طریق Ollama فراهم کرده است.

🔗 ‏ GitHub

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

#Knowledge_Graph #Graph_RAG

🤖 ‏ معرفی SenseNova-Vision: مدل جامع بینایی ماشین

‏شرکت SenseTime مدل جدید SenseNova-Vision را به عنوان یک راهکار یکپارچه در حوزه Computer Vision منتشر کرد. این مدل برخلاف روش‌های سنتی که برای هر وظیفه مانند تشخیص اشیاء یا تخمین عمق از ماژول‌های مجزا استفاده می‌کنند، تمام فرآیندها را به صورت تولید متن، تصویر یا ترکیبی انجام می‌دهد.

🧠 ‏ ساختار این مدل بر پایه معماری Bagel-7B-MoT (ترکیب متخصصان) بنا شده که شامل ۲ بخش تخصصی با وزن‌های مجزا برای درک متن/تصویر و تولید تصاویر است. در این سیستم، توکن‌ها به‌جای مسیریابی پویا، به صورت ثابت بر اساس نوع داده توزیع می‌شوند تا خروجی‌هایی نظیر مختصات و نقشه عمق تولید شود.

⚡ ‏ در بنچمارک‌های انجام شده، این مدل در وظایف مبتنی بر متن ساختاریافته مانند تشخیص اشیاء در صحنه‌های شلوغ و لوکالیزاسیون متن پیشتاز است. با این حال، در حوزه هندسه 3D چند‌نمایی نسبت به مدل‌های تخصصی مانند Depth Anything 3 ضعیف‌تر عمل می‌کند.

📄 ‏ مقاله arXiv

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

#SenseNova_Vision #MoT

🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #69 | 📦 9 پست
🕐 شنبه 1405/05/03 ساعت 14:00 تا یکشنبه 1405/05/04 ساعت 14:00

🤖 مدل‌های زبانی بزرگ و چندوجهی

مدل Grok 4.5 با امتیاز 1543 در صدر مدل‌ها قرار دارد و با Qwen 3.8 Max که از 2.4 تریلیون پارامتر بهره می‌برد، رقابت می‌کند. مدل Claude Opus 5 نیز در بنچمارک ARC-AGI-3 عملکردی 3 برابر بهتر از رقبا ثبت کرده و در المپیاد جهانی ریاضی، امتیاز کامل 42 از 42 را بدون ابزار کمکی کسب کرده است.
🔗 مشاهده پست

مدل SenseNova-Vision از شرکت SenseTime با معماری Bagel-7B-MoT، فرآیندهای بینایی ماشین را به صورت یکپارچه برای تشخیص اشیاء و تولید تصویر انجام می‌دهد. در همین حال، مدل Kimi K3 با قیمت 15 دلار برای هر میلیون توکن، چالش جدیدی برای مدل GPT-5.6 Sol در بازار هوش مصنوعی ایجاد کرده است.
🔗 مشاهده پست

مدل Claude 3.5 Opus در بنچمارک Bug Hunt Bench موفق به رفع 11 باگ در مخزن کد 28 هزار خطی شده است، هرچند GPT-5.6 Sol همچنان با حل 13 باگ پیشتاز این حوزه باقی مانده است.
🔗 مشاهده پست

📊 ابزارهای داده و پردازش

کتابخانه Fireducks به عنوان جایگزین بهینه Pandas معرفی شده است که با تغییر دستور import، سرعت پردازش داده‌های سنگین را به شکل چشمگیری افزایش می‌دهد.
🔗 مشاهده پست

ابزار جدیدی برای تبدیل متن به Knowledge Graph معرفی شده که با پشتیبانی از Graph RAG، دقت بازیابی اطلاعات را بهبود داده و قابلیت اجرا به صورت محلی با Ollama را دارد.
🔗 مشاهده پست

برای ارزیابی مدل‌های LLM، 11 متد کلیدی از جمله BLEU، BERTScore و روش‌های قضاوت‌محور مانند LLM-as-Judge بر اساس نیازهای مدل و ایمنی دسته‌بندی شده‌اند.
🔗 مشاهده پست

📚 منابع آموزشی و دیتاست‌ها

کتاب رایگان و متن‌باز Game Theory نوشته Giacomo Bonanno با 578 صفحه و 165 مسئله حل‌شده، منبعی ایده‌آل برای متخصصان هوش مصنوعی و سیستم‌های چندعاملی است.
🔗 مشاهده پست

مجموعه‌ای از دیتاست‌های جدید در Kaggle منتشر شده است که شامل آمارهای فوتبال بین‌المللی از سال 1872، نرخ ارز لیره ترکیه، داده‌های شاخص S&P 500، شاخص‌های قیمت هوش مصنوعی، اطلاعات فیلم‌های برتر IMDb و بازار ارزهای دیجیتال می‌شود.
🔗 مشاهده پست

دیتاست‌های جدیدی در حوزه‌های تخصصی شامل هنرمندان اسپاتیفای، شبیه‌سازی بازی پوکمون (PTCG)، آمار COVID-19 آمریکا و داده‌های فنی هواپیماهای استرالیا برای تحلیل‌های آماری در دسترس قرار گرفته است.
🔗 مشاهده پست

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

🤖 ‏ معماری ۹ لایه در سیستم‌های Agentic RAG

‏توسعه سیستم‌های RAG عامل‌محور فراتر از انتخاب یک مدل زبانی است. برای انتقال از چت‌بات‌های ساده به جریان‌های کاری خودمختار، باید معماری جامعی شامل ۹ لایه کلیدی را پیاده‌سازی کرد.

‏

🔹 ‏ استقرار (Deployment): استفاده از زیرساخت‌های مقیاس‌پذیر مانند Groq و AWS برای استنتاج سریع.
🔹 ‏ ارزیابی (Evaluation): سنجش دقیق با ابزارهایی نظیر LangSmith و Ragas برای شناسایی توهمات مدل.
🔹 ‏ موتورهای منطقی (LLMs): بهره‌گیری از مدل‌های پیشرفته برای ایجاد تعادل بین هوش، سرعت و هزینه.
🔹 ‏ فریم‌ورک‌ها: مدیریت منطق اجرایی و اتصال ابزارها با کمک LangChain یا DSPy.
🔹 ‏ پایگاه داده برداری (Vector DBs): ذخیره‌سازی کارآمد داده‌ها در سیستم‌هایی مثل Pinecone یا Milvus.
🔹 ‏ تولید Embeddings: تبدیل متن به بازنمایی‌های معنایی غنی توسط مدل‌های Nomic یا Voyage AI.
🔹 ‏ استخراج داده: پارس اسناد غیرساختارمند با ابزارهایی نظیر Firecrawl یا LlamaParse.

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

#Agentic_RAG #Vector_DBs

🚀 ‏ هوشمندی در انتخاب مدل با Cursor Router

🤖 ‏ ابزار Cursor با معرفی Cursor Router، یک سیستم مسیریابی هوشمند ارائه کرده که به‌صورت خودکار، بهترین مدل هوش مصنوعی را برای هر درخواست انتخاب می‌کند. این قابلیت جدید نیاز به تعویض دستی بین مدل‌های قدرتمندی نظیر Claude، GPT یا Grok را برای همیشه حذف کرده است.

⚡ ‏ عملکرد این سیستم به‌گونه‌ای است که ویرایش‌های ساده توسط مدل‌های سریع و ارزان انجام شده و تسک‌های پیچیده که نیازمند استدلال عمیق هستند، به مدل‌های پیشرفته‌تر ارجاع داده می‌شوند. این روتر بر اساس بیش از ۶۰۰ هزار پرامپت واقعی کاربران آموزش دیده و کارایی آن در میلیون‌ها تسک مختلف اعتبارسنجی شده است.

📊 ‏ سیستم هوشمند Cursor هنگام انتخاب مدل، زمینه پروژه، پیچیدگی کار و نوع فعالیت را تحلیل می‌کند تا بهینه‌ترین خروجی تولید شود. این رویکرد می‌تواند هزینه‌های استفاده از سرویس‌های LLM را تا ۶۰٪ کاهش دهد، بدون اینکه افت کیفیت محسوسی در عملکرد نهایی مشاهده شود.

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

#Cursor_Router #LLM_Optimization

🤖 ‏ مقایسه RAG و Graph RAG در بازیابی اطلاعات

🔬 ‏ سیستم‌های RAG معمولی در مدیریت پرسش‌هایی که نیاز به درک کامل زمینه (Context) دارند، مانند خلاصه‌سازی یک زندگی‌نامه از روی فصل‌های پراکنده، با چالش‌های جدی مواجه هستند. این مدل‌ها به دلیل اتکا به Vector Search و بازیابی صرفاً k-تکه برتر، اغلب رشته اتصال مفاهیم یکپارچه را از دست می‌دهند.

⚡ ‏ در مقابل، Graph RAG با تبدیل اسناد به یک گراف دانش از موجودیت‌ها و روابط، ساختاری پیوسته ایجاد می‌کند. در این روش، سیستم با پیمایش در گراف، تمام اطلاعات مرتبط با یک موجودیت مانند دستاوردهای یک شخص را جمع‌آوری کرده و زمینه‌ای کامل برای پاسخ‌دهی دقیق به LLM فراهم می‌آورد.

🧠 ‏ این معماری به دلیل توانایی ذاتی مدل‌های زبانی در استدلال روی داده‌های ساختاریافته، برتری عملکردی دارد.

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

#Graph_RAG #Vector_Search

🤖 ‏ تحولی در بهینه‌سازی دستیارهای هوش مصنوعی با NullClaw

⚡ ‏ ابزار جدید NullClaw که با زبان سطح پایین Zig توسعه یافته، انقلابی در بهره‌وری منابع ایجاد کرده است. این پروژه با حجم باینری تنها ۶۷۸ کیلوبایت و مصرف رم کمتر از ۱ مگابایت، در کمتر از ۲ میلی‌ثانیه اجرا می‌شود.

🚀 ‏ برخلاف سایر راهکارها که به ران‌تایم‌های سنگین، ماشین مجازی یا پایتون وابسته‌اند، NullClaw بدون هیچ Garbage Collector یا فریم‌ورک اضافی کار می‌کند. این کارایی خیره‌کننده باعث می‌شود ابزار روی بردهای ارزان‌قیمت ۵ دلاری مانند رزبری پای یا STM32 به راحتی اجرا شود.

🧠 ‏ قابلیت‌های این ابزار فراتر از انتظار است
‏

🔹 ‏ پشتیبانی گسترده: اتصال به بیش از ۲۲ ارائه‌دهنده (مثل OpenAI و DeepSeek) و ۱۳ کانال ارتباطی.
🔹 ‏ امکانات کاربردی: جستجوی حافظه ترکیبی (برداری و کلیدواژه‌ای)، پشتیبانی از استاندارد MCP و زیرعامل‌ها.
🔹 ‏ امنیت بالا: استفاده از الگوریتم ChaCha20-Poly1305 برای رمزنگاری ایمن کلیدهای API.

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

#NullClaw #ZigLanguage

🤖 ‏ سلسله‌مراتب مهندسی در توسعه عامل‌های هوشمند

⚡ ‏ تکامل مفاهیم در توسعه مدل‌های هوش مصنوعی از مهندسی پرامپت تا معماری گراف، نشان‌دهنده لایه‌بندی دقیق فرآیندهاست. هر لایه، لایه قبلی را در بر می‌گیرد و درک تمایز آن‌ها با تحلیل «واحد کار» در هر سطح میسر می‌شود.

🧠 ‏ مهندسی پرامپت (Prompt Engineering) بر پیام ورودی متمرکز است. در اینجا واحد کار یک ورودی تکی است و مهارت اصلی، تشخیص دقیق ضعف در اجزای دستورالعمل به‌جای بازنویسی مکرر آن است.

🧩 ‏ مهندسی کانتکست (Context Engineering) وظیفه مدیریت حافظه را بر عهده دارد. واحد کار در اینجا محتوایی است که در پنجره کانتکست حفظ می‌شود؛ هنر اصلی، اولویت‌بندی و حذف هوشمندانه اطلاعات غیرضروری برای مدیریت بهینه است.

⚙ ‏️ مهندسی هارنس (Harness Engineering) مانند یک ماشین، ابزارها و زیر-عامل‌ها را فرامی‌خواند. مکانیسم‌های تایید نتیجه (Verify) در این لایه، تفاوت اصلی بین یک فراخوانی ساده API و عملکرد یک عامل (Agent) واقعی را ایجاد می‌کند.

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

#Prompt_Engineering #Graph_Engineering

🤖 ‏ تحول معماری در سیستم‌های Agentic AI

🚀 ‏ هوش مصنوعی عاملیت‌محور (Agentic AI) رویکرد طراحی نرم‌افزار را به کلی تغییر داده است. برخلاف تصور رایج، این سیستم‌ها صرفاً چت‌بات‌هایی با دسترسی به ابزار نیستند، بلکه موتورهای اجرایی قدرتمندی برای استدلال، برنامه‌ریزی، اعتبارسنجی خروجی‌ها و انطباق مبتنی بر بازخورد محسوب می‌شوند.

🧠 ‏ یک معماری استاندارد در سیستم‌های تولیدی (Production-grade) شامل اجزای حیاتی زیر است
‏

🔹 ‏ برنامه‌ریزی پویا: جایگزینی زنجیره‌های پرامپت ثابت با منطق انعطاف‌پذیر.
🔹 ‏ ارکستراسیون ابزارها: مدیریت یکپارچه APIs، پایگاه‌داده‌ها و خدمات ابری.
🔹 ‏ مدیریت حافظه: ترکیب متون گفتگو با دانش بلندمدت از طریق RAG و دیتابیس‌های برداری.
🔹 ‏ حلقه‌های خودارزیابی: نقد و اصلاح خروجی‌ها توسط خودِ عامل پیش از اجرا.
🔹 ‏ اجرای وضعیت‌مند (Stateful): امکان مدیریت گردش‌کارهای طولانی‌مدت به جای فراخوانی‌های ایزوله.
🔹 ‏ نظارت انسانی: نقاط بررسی برای تصمیمات پرخطر و حاکمیت سیستم.

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

#AgenticAI #RAG

📊 ‏ مرجع جامع اصطلاحات یادگیری ماشین

🚀 ‏ برای تسلط بر مفاهیم پایه و پیشرفته در حوزه هوش مصنوعی، فهرستی از ۱۰۰ اصطلاح کلیدی ماشین لرنینگ گردآوری شده است. این منبع برای بازبینی سریع و دقیق مفاهیم، ابزارهای کاربردی و تکنیک‌های استاندارد این حوزه بسیار مفید است.

🧠 ‏ مرور این لیست به متخصصان داده کمک می‌کند تا با ادبیات فنی دقیق در مباحثی مانند تئوری یادگیری، بهینه‌سازی مدل‌ها و ارزیابی‌های آماری تسلط یابند. مطالعه این مجموعه برای تقویت دانش نظری و افزایش کیفیت پیاده‌سازی‌های عملی پیشنهاد می‌شود.

منبع

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

#اصطلاحات_ماشین_لرنینگ #تئوری_یادگیری

📚 ‏ گنجینه ارزشمند کتاب‌های رایگان هوش مصنوعی

🧠 ‏ بسیاری از بهترین منابع آموزشی و کتاب‌های تخصصی حوزه هوش مصنوعی و یادگیری ماشین به‌صورت قانونی رایگان منتشر شده‌اند، اما یافتن آن‌ها به دلیل پراکندگی در سایت‌های شخصی، دانشگاهی و مخازن مختلف بسیار دشوار است. برای حل این مشکل، فهرستی جامع تحت عنوان Awesome Free AI Books گردآوری شده است.

🔬 ‏ این مجموعه شامل بیش از ۳۰ کتاب کلیدی در حوزه‌های تخصصی نظیر Deep Learning، Reinforcement Learning، NLP، LLMs، Generative Models و ریاضیات کاربردی است. منابع شاخصی چون کتاب مرجع Deep Learning گودفلو، کتاب Reinforcement Learning ساتن و بارتو، و آثار علمی مورفی و بیشاپ در این لیست حضور دارند.

⚡️ ‏ تمامی لینک‌ها مستقیماً به صفحه رسمی مؤلفان یا ناشران ارجاع داده می‌شوند تا از دسترسی قانونی اطمینان حاصل شود. همچنین یک GitHub Action به صورت هفتگی تمامی لینک‌ها را بررسی می‌کند تا از سلامت آن‌ها اطمینان حاصل شود.

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

#Awesome_Free_AI_Books #GitHub_Action