💡 پژوهشگران ByteDance و استنفورد روشی تازه برای ساخت ویدیوهای طولانی معرفی کرده‌اند: Mixture of Contexts.

🔑 مشکل اصلی:
وقتی ویدیو طولانی می‌شود، توجه مدل بیش از حد گسترده می‌شود:

هزینه‌ی محاسبات بالا می‌رود

جزئیات از دست می‌رود

شخصیت‌ها فراموش می‌شوند و ویدیو دچار «انحراف» می‌گردد


⚡ نوآوری Mixture of Contexts:

ویدیو به بخش‌هایی (فریم‌ها، شات‌ها، کپشن‌ها) تقسیم می‌شود

هر بار فقط بخش‌های مرتبط انتخاب می‌شوند، نه کل تاریخچه

انتخاب بخش‌ها با مقایسه‌ی ویژگی‌ها و ارزیابی میزان ارتباط انجام می‌شود

دو «لنگر» همیشه حفظ می‌شوند: پرامپت کامل متنی و شات محلی برای جزئیات

Causal Mask دسترسی به فریم‌های آینده را می‌بندد تا حلقه‌ی تکراری ایجاد نشود

سپس Flash Attention فقط روی همین بخش‌های منتخب اعمال می‌شود → محاسبات وابسته به کل طول ویدیو نیست، بلکه فقط به محتوای مفید


📊 نتایج:

۷ برابر کاهش FLOPs

۲.۲ برابر سرعت بیشتر

در صحنه‌های طولانی (۱۸۰هزار توکن) تا ۸۵٪ توجه بیهوده حذف می‌شود


🎥 دستاورد:

کیفیت کلیپ‌های کوتاه حفظ می‌شود

صحنه‌های بلند روان‌تر و شخصیت‌ها پایدارتر هستند

آموزش ساخت اکشن فیگور واقع‌گرایان


به جمنای یا گوگل استودیو برید  به قسمت image یا nano banan برید  عکس رو آپلود کنید و این پرامپت رو وارد کنید

Create a 1/7 scale commercialized figurine of the characters in the picture, in a realistic style, in a real environment. The figurine is placed on a computer desk. The figurine has a round transparent acrylic base, with no text on the base. The content on the computer screen is a 3D modeling process of this figurine. Next to the computer screen is a toy packaging box, designed in a style reminiscent of high-quality collectible figures, printed with original artwork. The packaging features two-dimensional flat illustrations.


تمام

شرکت Decart از Oasis 2.0 رونمایی کرد — یک مدل هوش مصنوعی که امکان تغییر دنیای بازی و سبک‌ها را به‌صورت زنده و در لحظه فراهم می‌کند: کیفیت 1080p، سرعت 30fps.

✨ نمونه‌ها فوق‌العاده‌اند:
🎮 ماینکرفت در کوه‌های آلپ سوئیس
🔥 یا در جشنواره Burning Man
🧩 یا با کاراکترهای کاملاً متفاوت

دنیای بازی می‌تواند بدون نیاز به بارگذاری مجدد، در لحظه تغییر کند.

🟢 می‌توانید دمو را در وب امتحان کنید یا آن را به‌عنوان یک ماد برای ماینکرفت نصب کنید:
👉 http://oasis2.decart.ai/demo

گوگل از EmbeddingGemma رونمایی کرد: یک مدل اوپن‌سورس و سبک برای تولید امبدینگ‌های متنی.

🔒 این مدل می‌تواند روی گوشی یا لپ‌تاپ و حتی بدون اینترنت اجرا شود — با حفظ کامل حریم خصوصی.

✨ چرا مهمه؟

رهبر جدید بین مدل‌های متن‌باز چندزبانه زیر 500M روی بنچمارک MTEB

فقط 308M پارامتر اما کیفیت بالاتر از همه‌ی مدل‌های زیر 500M

سرعت فوق‌العاده: کمتر از 15 میلی‌ثانیه روی EdgeTPU (برای 256 توکن)

پشتیبانی از بیش از 100 زبان

امکان کاهش اندازه‌ی امبدینگ (از 768 → 128) بدون افت کیفیت

پشتیبانی از متن تا 2000 توکن

همین حالا در ابزارهایی مثل Sentence-Transformers، LangChain، llama.cpp، transformers.js، Weaviate در دسترسه


🟠 بلاگ رسمی: https://developers.googleblog.com/en/introducing-embeddinggemma/
🟠 مدل‌ها: https://huggingface.co/collections/google/embeddinggemma-68b9ae3a72a82f0562a80dc4

می‌خواد آیفونت رو به جای تو اداره کنه

استارتاپ Dafdef از سان‌فرانسیسکو که به خاطر مرورگرهای هوشمندش شناخته می‌شه، گجت جدیدی معرفی کرده: AI Key — یک دانگل USB-C که به آیفون وصل می‌شه و نقش یه عامل هوش مصنوعی قابل‌حمل رو داره.

🔸 مثل «موس با چشم» عمل می‌کنه: روی اپ‌ها ضربه می‌زنه، سوایپ می‌کنه و متن تایپ می‌کنه
🔸 کارها رو از رزرو هتل تا سفارش غذا انجام می‌ده — مرحله به مرحله با تأیید شما
🔸 می‌تونی برنامه‌ها رو وسط کار تغییر بدی — همیشه کنترل دست خودته
🔸 به حافظه گوشی یا داده‌های پرداخت دسترسی نداره → ریسک امنیتی کمتر
🔸 همین حالا توسط فاوندرها، خالقان محتوا و پژوهشگران برای حذف کارهای تکراری استفاده می‌شه

🤔 یک قدم عجیب برای دادن کنترل مستقیم گوشی به هوش مصنوعی. اما سوال اصلی اینه: کاربرها به همچین عاملی اعتماد می‌کنن؟