📌 Open LLMs: These LLMs (Large Language Models) are all licensed for commercial use (e.g., Apache 2.0, MIT, OpenRAIL-M).
لیستی از ریپو‌های مدل‌های زبانی اوپن سورس که می‌تونید توی پروژه‌ها ازشون استفاده کنید.

🔗 https://github.com/eugeneyan/open-llms

#LLMs #LLM

@ai_python

🤖 با ظهور مدل‌های زبانی بزرگ (LLM)، فرصت‌های جدیدی برای IPAها ایجاد شده، که امکان حل مسائل پیچیده را از طریق درک معنایی پیشرفته فراهم می‌آورد.
💡 این مقاله به بررسی عمیق دستیاران شخصی LLM می‌پردازد، با تمرکز بر معماری، قابلیت‌ها، و چالش‌هایی که برای دستیابی به کمک‌رسانی هوشمند، کارآمد و امن وجود دارد.

Exploring the future of #IntelligentAssistants with Personal LLM Agents - advancing understanding, efficiency, and security in personal tech. 🚀🤖 #SmartLiving

IPM = Intelligent Personal Assistants

@ai_python

https://arxiv.org/abs/2401.05459

https://github.com/MobileLLM/Personal_LLM_Agents_Survey

مایکروسافت از امکان استفاده از مدل جی پی تی ۴ توربو در کوپایلوت پرو خبر داد، همین طور با عضویت پرو که قیمت اون ۲۰ دلار در ماه هست، می تونید با پرامپت انجینیرینگ ، جی پی تی دلخواهتون هم بسازید

(امکانی که من در چت جی پی تی چندان ازش راضی نبودم و انتظارات رو برآورده نکرد.)

توی پرانتز برای کسایی که از آژور برای دسترسی به اوپن ای آی استفاده می کنن هم چند وقتیه که جی پی تی ۴ توربو در
حالت پرویو قابل دسترسی هست.

@ai_python

یه توتوریال خیلی ساده برای این که بتونید از طریق Postman درخواست هاتون رو به Azure Open AI API تست کنید. از این جهت به درد من خورد که گاهی وقتا اگر دارید اپلیکیشنی می نویسید که قراره به Azure ریکوئست بفرسته ، ممکنه براتون گیج کننده باشه وقتی مدل رو توی آژور دپلوی کردید ، دقیقن کدوم پارامترها رو باید بردارید:

https://medium.com/@ro5112/how-to-use-postman-to-call-azure-openais-api-a-step-by-step-tutorial-765aec0fba96

سطح مبتدی

@ai_python

#تجربه

برای تست یک AI Assistant که خودمون نوشته بودیم، یک فایل CSV با حداقل 5000 آیتم از اطلاعات فروش رستوران های زنجیره ای تهیه کردیم.

فایل رو هم زمان هم به AI Assistant خودمون دادیم و هم به ChatGPT Plus و نتیجه در بیش تر موارد این بود که کدی که Chat GPT Plus که در واقع داشت از مدل GPT 4 استفاده می کرد، برای آنالیز دیتا استفاده می کرد و اجرا می کرد حداقل یک بار به اشتباه تولید می شد!
@ai_python
ولی توی AI Assistant ما این کد خیلی کم پیش میومد که Failed بشه و با اولین اجرا، نتیجه درست رو از آنالیز داده در بر داشت. برای مثال، سوال این بود که کدوم محصول بیش ترین فروش بیرون بر رو داشته؟

علت این موضوع ایجاد ماژولی برای تولید یک کد تمیز بود که ما اسمش رو Clean Code گذاشتیم.
@ai_python
در واقع این ماژول با کمک Regex کد رو تمیز می کرد. این طوری نتیجه بهتری از مدل دریافت می کردیم. هر چند که نقش Prompt Engineering رو هم نباید نادیده گرفت.

نگاهی به چشم انداز مایکروسافت در جهت افزایش امنیت با استفاده از اهرم هوش مصنوعی :
@ai_python

https://www.microsoft.com/en-us/industry/microsoft-in-business/security/2023/10/17/microsoft-empowers-comprehensive-security-in-the-era-of-ai/

اگر با مفهوم SIEM که در این بررسی به آن اشاره شده است، آشنا نیستید مقاله های فارسی زیر به شما پیشنهاد می شوند:

https://techtik.com/2016/12/20/%d9%8fsiem-1/

https://techtik.com/2016/12/21/siem-2/

Grayscale's New Study Reveals Emerging Synergy Between #AI and #Cryptocurrency

@ai_python

https://news.bitcoin.com/grayscales-new-study-reveals-emerging-synergy-between-ai-and-cryptocurrency/

What do you think about Grayscale’s report concerning the synergy of AI and crypto assets and blockchain networks? Share your thoughts and opinions about this subject in the comments (Persian or English :) )

https://youtu.be/EhlPDL4QrWY?si=UJkqO2hSaBjC2Vp-

This video builds a RAG chain that connects to a Pinecone Serverless index using LCEL, turns it into an a web service with LangServe, uses Hosted LangServe to deploy it, and uses LangSmith for app observability.

@ai_python
در این ویدیو یک RAG Chain که با استفاده از LCEL به Pinecode Serverless Index متصل شده است، ساخته می شود. در نهایت با LangServe از آن یک وب سرویس ایجاد خواهد شد.

لینک گیت هاب

تازگیا گاهی چت جی پی تی هم زمان دو تا جواب کنار هم Generate می کنه، که می تونید یکی رو انتخاب کنید و به اون یکی ترجیح بدید.
@ai_python

البته این بیش تر برای Code Geneation اتفاق می افته.

🚀 ساخت RAG های پیشرفته با استفاده از : FalkorDB, LangChain, Diffbot API, and OpenAI

تا حالا درباره بهره گرفتن از Knowledge Graph ها برای RAG فکر کردید؟ 🧐 به نظرم وسوسه کننده س.
@ai_python
اگر علاقه مند هستید این مقاله پیشنهاد می شه 😍 :

https://medium.com/@akriti.upadhyay/building-advanced-rag-applications-using-falkordb-langchain-diffbot-api-and-openai-083fa1b6a96c

یه ریپازیتوری برای ترک کردن NLP Progress که اتفاقن زبان فارسی هم داره.
@ai_python
هرچند که متاسفانه آخرین کامیتش به 4 سال قبل برمی گرده :

https://github.com/sebastianruder/NLP-progress/