Architectural visualization with Astra | OpenAI Developers
https://developers.openai.com/blog/architectural-visualization-with-astra
https://developers.openai.com/blog/architectural-visualization-with-astra
OpenAI Developers
Architectural visualization with Astra | OpenAI Developers
How I used Astra to design a house, refine its everyday details, and explore it through Blender camera tours and an Unreal Engine 5 walkthrough.
Causal evidence that language models use confidence to drive behaviour | Nature Machine Intelligence
https://www.nature.com/articles/s42256-026-01293-x
https://www.nature.com/articles/s42256-026-01293-x
Nature
Causal evidence that language models use confidence to drive behaviour
Nature Machine Intelligence - Kumaran et al. show that large language models making decisions on when to answer a question or abstain from answering can be influenced by boosting or suppressing...
این صفحه از مایکروسافت به دو دلیل برام جالب بود:
https://adoption.microsoft.com/en-us/
یک. اینکه الان خیلی شرکت‌ها دنبال این هستند که از AI چجوری و کجا استفاده کنند. از بخش تکنیکال گرفته تا مدیریت و کل سازمان و ... حتی یه سری شرکت‌ها پوزیشن‌هایی دارن به اسم AI Adoption. صفحات زیادی از شرکت‌های مختلف وجود داره که راجع به کاربردها می‌گن. و این صحفه در نگاه اول به نظر می‌رسه بیشتر تمرکز داره روی مایکروسافت و کوپایلت. اما به نظرم می‌تونه با مثال تعداد خوبی ایده بده. ضمن اینکه اگه توش بگردید فقط کوپایلت نیست، همه‌ی محصولات مختلف مایکروسافت برای AI و Agentic رو شامل میشه و برای همه‌شون کلی ریسورس داره. و خب البته اینها به نظرم مختص مایکروسافت نیست. قابل استفاده در هر جای دیگه هست.
دوم. از دیدگاه محصول، خیلی جالب اومدند همه‌ی یوزکیس‌ها رو معرفی کردند، محتوا درست کردند براش و یوزر رو راهنمایی می‌کنن که چی کار کنه و کجا بره. ایده‌ی خوبیه برای هر محصول دیگه.
یه ذره از این عمیق‌تر شاید صفحه‌ی خود OpenAI هم جالب باشه:
https://learn.chatgpt.com/use-cases/collections
و از همه عمیق‌تر این صفحه است. این به نظرم در لایه‌ی استراتژی خیلی جالبه. تلاش کردند فریم‌ورکی طراحی کنن برای AI Adoption هم در سطح پلن هم در سطح مدیریت و ساختار و هم در سطح استراتژی:
https://learn.microsoft.com/en-us/azure/cloud-adoption-framework/ai/strategy
https://adoption.microsoft.com/en-us/
یک. اینکه الان خیلی شرکت‌ها دنبال این هستند که از AI چجوری و کجا استفاده کنند. از بخش تکنیکال گرفته تا مدیریت و کل سازمان و ... حتی یه سری شرکت‌ها پوزیشن‌هایی دارن به اسم AI Adoption. صفحات زیادی از شرکت‌های مختلف وجود داره که راجع به کاربردها می‌گن. و این صحفه در نگاه اول به نظر می‌رسه بیشتر تمرکز داره روی مایکروسافت و کوپایلت. اما به نظرم می‌تونه با مثال تعداد خوبی ایده بده. ضمن اینکه اگه توش بگردید فقط کوپایلت نیست، همه‌ی محصولات مختلف مایکروسافت برای AI و Agentic رو شامل میشه و برای همه‌شون کلی ریسورس داره. و خب البته اینها به نظرم مختص مایکروسافت نیست. قابل استفاده در هر جای دیگه هست.
دوم. از دیدگاه محصول، خیلی جالب اومدند همه‌ی یوزکیس‌ها رو معرفی کردند، محتوا درست کردند براش و یوزر رو راهنمایی می‌کنن که چی کار کنه و کجا بره. ایده‌ی خوبیه برای هر محصول دیگه.
یه ذره از این عمیق‌تر شاید صفحه‌ی خود OpenAI هم جالب باشه:
https://learn.chatgpt.com/use-cases/collections
و از همه عمیق‌تر این صفحه است. این به نظرم در لایه‌ی استراتژی خیلی جالبه. تلاش کردند فریم‌ورکی طراحی کنن برای AI Adoption هم در سطح پلن هم در سطح مدیریت و ساختار و هم در سطح استراتژی:
https://learn.microsoft.com/en-us/azure/cloud-adoption-framework/ai/strategy
Microsoft Adoption
Microsoft 365 Adoption - Get Started – Microsoft Adoption
Use our resources to go from inspiration to execution with our productivity cloud. Get started, experiment with our services, and onboard employees at scale while being confident that you are improving the employee experience.
Inside OpenAI: How our data team uses AI to move faster
https://www.linkedin.com/pulse/inside-openai-how-our-data-team-uses-ai-move-faster-vijaye-raji-a0vcc
https://www.linkedin.com/pulse/inside-openai-how-our-data-team-uses-ai-move-faster-vijaye-raji-a0vcc
Linkedin
Inside OpenAI: How our data team uses AI to move faster
AI capabilities are advancing at an extraordinary pace. At OpenAI, we move quickly to turn those advances into products, with product and data teams working in parallel.
Rapidly scaling online storage to serve over 1 billion ChatGPT users | OpenAI
https://openai.com/index/scaling-storage-one-billion-users-part-one/
https://openai.com/index/scaling-storage-one-billion-users-part-one/
OpenAI
Rapidly scaling online storage to serve over 1 billion ChatGPT users
Learn how OpenAI evolved Habitat from a Python library into a globally distributed storage platform serving 1 billion ChatGPT users and 22M requests per second.
GPT-6 Astra Challenge | Product Hunt
https://www.producthunt.com/contests/gpt-6-astra-challenge
https://www.producthunt.com/contests/gpt-6-astra-challenge
Product Hunt
GPT-6 Astra Challenge | Product Hunt
Product Hunt is a curation of the best new products, every day. Discover the latest mobile apps, websites, and technology products that everyone's talking about.
How to Build a Custom Agent Harness
https://www.langchain.com/blog/how-to-build-a-custom-agent-harness
https://www.langchain.com/blog/how-to-build-a-custom-agent-harness
Langchain
How to Build a Custom Agent Harness
Effective agents are built with harnesses that are tightly coupled with the task at hand. The easiest way to build a custom harness is with LangChain's create_agent plus middleware. This guide covers the core agent loop and how you can customize it for your…
Product Management is Still All About Telling Stories
https://www.a16z.news/p/product-management-is-still-all-about
https://www.a16z.news/p/product-management-is-still-all-about
www.a16z.news
Product Management is Still All About Telling Stories
What AI is changing. What it’s not.
❤1
We don’t have the nouns yet - The Economics of AI
https://economicsofai.substack.com/p/we-dont-have-the-nouns-yet
https://economicsofai.substack.com/p/we-dont-have-the-nouns-yet
Substack
We don’t have the nouns yet
How do we value what we cannot describe?
Forwarded from Persian GitHub
طراحی سیستم‌های هوش مصنوعی — یک راهنمای کامل برای یادگیری مرحله‌به‌مرحله طراحی سیستم‌های AI؛ از LLM Inference، GPU، KV Cache و Caching گرفته تا RAG، پایگاه‌های داده برداری، AI Agents، MCP، سیستم‌های چندعاملی، Voice AI، Guardrails، ارزیابی، Observability و بهینه‌سازی هزینه.
همچنین یک چارچوب مرحله‌به‌مرحله برای حل و پاسخ‌گویی به سوالات AI System Design Interview ارائه میدهد.
همه چیز در یکجا و با زبان ساده توضیح داده شده و برای هر موضوع، مطالب و مقالات عمیق‌تر هم وجود دارد.
https://github.com/amitshekhariitbhu/ai-system-design
🐙 @RepoFA
همچنین یک چارچوب مرحله‌به‌مرحله برای حل و پاسخ‌گویی به سوالات AI System Design Interview ارائه میدهد.
همه چیز در یکجا و با زبان ساده توضیح داده شده و برای هر موضوع، مطالب و مقالات عمیق‌تر هم وجود دارد.
https://github.com/amitshekhariitbhu/ai-system-design
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2
Forwarded from Amin
Llmhorrors
LLMHorrors | Home
Stories you never want to feel on your own skin
چقدر چیز خوب و جالبی
این یه ابزار از Thoughtworks (شرکت Martin Fowler) که دو بار در سال منتشر میشه و ابزارها، روش‌ها، پلتفرم‌ها و فریم‌ورک‌ها در حوزه‌های مختلف تک رو دسته‌بندی می‌کنه به چهار دسته با توجه به پروژه‌های مختلفی که برای کلی شرکت مختلف انجام میدن:
- Adopt: چیزهایی که فکر می‌کنن خیلی جدی و به اندازه‌ی کافی بالغ هستند که استفاده بشه
- Trial: چیزهایی که فکر می‌کنن آماده‌ی استفاده است ولی هنوز جواب خودشون رو پس ندادند که جدی پیشنهاد بدن
- Assess: چیزهایی که پیشنهاد می‌کنن یه نگاهی بهشون بندازی ولی هنوز در مرحله‌ی امتحان نیستند لزوما مگه اینکه دلیل خاصی پیدا کنی که خیلی به دردت بخورن
- Caution: چیزهایی که هایپ شدند ولی فکر می‌کنن که به جاش باید از چیز دیگه‌ای استفاده کرد یا کلا از اینها دوری کرد چون توی پروژه‌ها دیدند که تاثیر منفی می‌ذاره.
https://www.thoughtworks.com/en-us/radar
این یه ابزار از Thoughtworks (شرکت Martin Fowler) که دو بار در سال منتشر میشه و ابزارها، روش‌ها، پلتفرم‌ها و فریم‌ورک‌ها در حوزه‌های مختلف تک رو دسته‌بندی می‌کنه به چهار دسته با توجه به پروژه‌های مختلفی که برای کلی شرکت مختلف انجام میدن:
- Adopt: چیزهایی که فکر می‌کنن خیلی جدی و به اندازه‌ی کافی بالغ هستند که استفاده بشه
- Trial: چیزهایی که فکر می‌کنن آماده‌ی استفاده است ولی هنوز جواب خودشون رو پس ندادند که جدی پیشنهاد بدن
- Assess: چیزهایی که پیشنهاد می‌کنن یه نگاهی بهشون بندازی ولی هنوز در مرحله‌ی امتحان نیستند لزوما مگه اینکه دلیل خاصی پیدا کنی که خیلی به دردت بخورن
- Caution: چیزهایی که هایپ شدند ولی فکر می‌کنن که به جاش باید از چیز دیگه‌ای استفاده کرد یا کلا از اینها دوری کرد چون توی پروژه‌ها دیدند که تاثیر منفی می‌ذاره.
https://www.thoughtworks.com/en-us/radar
Thoughtworks
Technology Radar | Guide to technology landscape
The Technology Radar is an opinionated guide to today's technology landscape. Read the latest here.
🙏1
کلادفلر یه نسخه‌ی اپن‌سورس از Jev داده به اسم Clef که خروجی‌های خیلی خوبی هم داشته:
https://blog.cloudflare.com/clef-decision-models/
https://blog.cloudflare.com/clef-decision-models/
Cloudflare Blog
Introducing Clef: our open-source decision models, and new RL fine-tuning platform
We are introducing Clef and Clef-flash, open-source decision models hosted on Workers AI for high-speed classification and agentic workflows. Also launching: a new reinforcement learning platform that allows developers to fine-tune decision models using their…
شبکه داستانی عصبی
کلادفلر یه نسخه‌ی اپن‌سورس از Jev داده به اسم Clef که خروجی‌های خیلی خوبی هم داشته: https://blog.cloudflare.com/clef-decision-models/
و در همین راستا llama.cpp امکان ساپورت Decision Model ها رو امروز اضافه کرده:
https://huggingface.co/blog/ggml-org/decision-models-in-llamacpp
https://huggingface.co/blog/ggml-org/decision-models-in-llamacpp
huggingface.co
New in llama.cpp: Decision Models
A Blog post by ggml-org on Hugging Face
❤1
A Taxonomy of Tech Debt | Riot Games
https://www.riotgames.com/en/news/taxonomy-tech-debt
https://www.riotgames.com/en/news/taxonomy-tech-debt
Riot Games
A Taxonomy of Tech Debt
Hi there. I’m Bill “LtRandolph” Clark, and I’m the engineering manager for the Champions team on LoL . I’ve worked on several different teams on League over the past years, but one focus has been consistent: I’m obsessed with tech debt. I…