DLeX: AI Python
22.6K subscribers
4.99K photos
1.22K videos
764 files
4.35K links
هوش‌مصنوعی و برنامه‌نویسی

توییتر :

https://twitter.com/NaviDDariya

هماهنگی و تعرفه تبلیغات : @navidviola
Download Telegram
البته که از 6 ماه پیش تا الان ، مدل ها در زمینه ریاضیات خیلی پیشرفت کردن. همین چند وقت پیش نتایج بنچ مارک یک SLM رو در مقایسه با LLM ها برای مسائل ریاضی در کانال به اشتراک گذاشتیم.
@ai_python

اما واقعن چیزی که برای خود من سوال هست اینه که آینده ریاضیات با وجود هوش مصنوعی چگونه پیش خواهد رفت؟ آیا هنوز Make Sense می کنه که اثبات های ریاضی رو یاد بگیریم؟ یا آیا ماشین در حال حاضر می تونه برای ما استقرا انجام بده؟ و اصلن مسائل ریاضی در همه زمینه ها چه قدر قابل توسعه با استفاده از هوش مصنوعی هستن؟

این ویدیو 6 دقیقه ای یک چشم انداز جامع در این مورد داشت ، که شاید برای علاقه مندان دیدنش خالی از لطف نباشه :

https://youtu.be/3l1RMiGeTfU?si=c9t-oJ9eDKZrgrAn
🔥5😘42
DLeX: AI Python
البته که از 6 ماه پیش تا الان ، مدل ها در زمینه ریاضیات خیلی پیشرفت کردن. همین چند وقت پیش نتایج بنچ مارک یک SLM رو در مقایسه با LLM ها برای مسائل ریاضی در کانال به اشتراک گذاشتیم. @ai_python اما واقعن چیزی که برای خود من سوال هست اینه که آینده ریاضیات با…
یکی از عزیزان دنبال کننده کانال پرسیدن که آیا تا حالا اوپن پرابلمی در حوزه ریاضی با کمک هوش مصنوعی حل شده؟
@ai_python

باید بگیم که هوش مصنوعی شاید نتونسته خودش به طور کامل مسئله رو حل کنه. اما کمک بزرگی کرده.

برای مثال شاید این یکی از تازه ترین هاش باشه :

https://www.quantamagazine.org/elliptic-curve-murmurations-found-with-ai-take-flight-20240305/
2❤‍🔥2🔥2
یکی از حوزه های مورد علاقه من در زمینه کاربردهای LLM تحلیل داده های جدولی هست.

@ai_python

امروز یک تحقیق در گوگل ریسرچ توجهم رو به خودش جلب کرد که در واقع یک Work Flow تقریبن کارآمد رو پیشنهاد می ده که بتونیم با کمک گرفتن از NLU یا نچرال لنگوئج آندرستندینگ، پاسخ قابل اتکا تری را دریافت کنیم.

https://blog.research.google/2024/03/chain-of-table-evolving-tables-in.html?m=1
5❤‍🔥2🔥2
تابع سیگموید معمولن اون طوری که در نگاه اول تصور می کنیم پیاده سازی نشده. به خصوص وقتی از کتابخانه های سفارشی استفاده می کنیم باید حواسمون به این موضوع باشه.
@ai_python

هرچند که برای مثال در کتابخانه ای مثل پای تورچ این مسئله مد نظر قرار گرفته است.

توی این پست می تونید یه مقدار توضیحات بیش تری ببینید درباره پیاده سازی این تابع :
https://www.blog.dailydoseofds.com/p/sigmoid-and-softmax-are-not-implemented
6🔥2❤‍🔥1
به نظرتون با توجه به LLM های تا این حد Long Context که امروزه در اختیار داریم، آیا هنوز وجود RAG مورد نیاز هست؟ از این جهت که این LLM ها می توانند این حجم از داده را مستقیم مورد آنالیز و جست و جو قرار دهند!
@ai_python

پاسخ در این ویدیو تا حدودی داده شده است :

https://youtu.be/UlmyyYQGhzc?si=LHuZRHyRc8VtTCuh

لینک های گیت هابشم که توی توضیحات خود ویدیو هست. اما اگه وقت ندارید ویدیو رو ببینید و صرفن کنجکاو هستید که نتیجه نهایی رو بدونید :

Overall, the analysis shows that RAG cannot currently be completely replaced by long contexts in LLMs, as finding multiple facts from long contexts at the same time is not guaranteed. More research is needed to improve skills. But long contexts are very promising! 👨‍💻
Please open Telegram to view this post
VIEW IN TELEGRAM
7❤‍🔥2🔥1
@ai_python

👨‍💻 🤷🏻‍♂️
Please open Telegram to view this post
VIEW IN TELEGRAM
یک دیاگرام بسیار عالی از Pipeline یک سیستم RAG به زبان بسیار ساده
@ai_python

استخراج شده از دوره های deeplearning.ai
@ai_python

اینفوگرافی توضیح RAG از دیدگاه تقسیم به یک بخش Generation و در سمت دیگر Retrieval
امروز یک مقایسه اجمالی انجام دادیم از دو تا ابزار RAG Evaluation مشهور و حرفه ای. که با شما هم به اشتراک می ذاریم.

@ai_python
اگر این روزها با RAG Evaluation درگیر هستید یا قرار هست در آینده درگیرش بشید، این نوشتار فرمول های متریک های مورد استفاده در RAG Evaluation و معنای آن ها را بسیار بسیار ساده و با مثال های خیلی خوبی بیان کرده است:
@ai_python

البته با تکیه بر نام متریک ها در RAGAS که با TruLens کمی متفاوت است.
https://medium.com/@rupeshyadav153/evaluation-of-retrieval-augmented-generation-rag-using-ragas-on-human-annotated-and-synthetic-09c4b825c298
تاپ ترین دوره های رایگان هوش مصنوعی برگرفته از صفحه
Generative AI
در لینکداین
@ai_python
6🐳6🔥3❤‍🔥2
@ai_python

شمای ماژول Model I/O در لانگ چین

Medium
4🥰4❤‍🔥2
لانگ فیوز، یکی از پلت فرم های LLM Engineering است که شامل قابلیت های زیر برای LLM Application ها هست :

👨‍💻 Traces

👨‍💻 Evals

👨‍💻 Prompt Management

👨‍💻 Metrics

حال، به تازگی، این پلت فرم اپن سورس با Llama Index هم Integrate شده.
@ai_python

جهت اطلاعات بیش تر به این پست مراجعه کنید.
Please open Telegram to view this post
VIEW IN TELEGRAM
2❤‍🔥2🔥1
@ai_python

تفاوت های کلیدی LangChain و LlamaIndex
پیاده سازی RAG با استفاده از MongoDB به عنوان Vector Database

@ai_python
❤‍🔥22🔥2🐳2