‏🤖 معماری اجزای تشکیل‌دهنده ایجنت‌های هوش مصنوعی

‏ساختار یک ایجنت هوش مصنوعی، ترکیبی از یک مدل زبانی بزرگ (LLM) و یک زیرساخت جانبی است که اصطلاحاً Harness نامیده می‌شود. وظیفه اصلی خودِ LLM صرفاً تولید متن است و برای اجرای عملیات روی سیستم، به این زیرساخت نیاز دارد.

‏مهم‌ترین بخش‌های این ساختار عبارتند از:

‏* Context: شامل پرامپت‌ها، دستورالعمل‌های سیستمی، تاریخچه گفتگو و فایل‌های مرتبط.
‏* Tool call format: قالبی توافقی که مدل از طریق آن ابزارهای مورد نیاز (مانند خواندن فایل یا اجرای دستورات bash) را مشخص می‌کند.
‏* Guardrails: مجموعه‌ای از قوانین و دسترسی‌ها که محدودیت‌های اجرایی را اعمال می‌کند.
‏* Runtime: کدی که ابزار فراخوانی شده را اجرا کرده و خروجی آن را دوباره به LLM بازمی‌گرداند.
‏* Checks: بررسی نهایی خروجی توسط ابزارهایی مانند تست‌سوییت یا تایپ‌چکر؛ در صورت عدم تایید، نتایج خطا به مدل بازگردانده می‌شود تا فرآیند اصلاح انجام شود.

‏در واقع، زمانی که بین ایجنت‌های مختلف کدنویسی سوئیچ می‌کنید، در حال استفاده از یک Harness متفاوت هستید که نحوه تعامل با مدل را تغییر می‌دهد.

🇮🇷 تلگرام

‏🧠 افزودن قابلیت مدیریت مالی شخصی به Claude

‏شرکت Anthropic بخش جدیدی با عنوان Personal Finance را به صورت آزمایشی در مدل Claude راه‌اندازی کرد. این قابلیت در حال حاضر برای مشترکین نسخه‌های Pro، Max و Ultra در ایالات متحده فعال شده است.

‏کاربران می‌توانند از طریق سرویس Plaid حساب‌های بانکی و کارت‌های خود را به Claude متصل کنند. مهم‌ترین ویژگی‌ها و محدودیت‌های این ابزار به شرح زیر است:

‏* دسترسی محدود: هوش مصنوعی فقط دسترسی خواندن (Read-only) دارد و امکان انتقال وجه یا خرید برای آن تعریف نشده است.
‏* امنیت: Claude به رمز عبور بانک دسترسی ندارد.
‏* حریم خصوصی: مکالمات انجام‌شده در این بخش برای آموزش مدل‌های هوش مصنوعی استفاده نمی‌شوند.
‏* تحلیل داده: کاربران می‌توانند پرسش‌هایی درباره نحوه هزینه‌کرد، تغییر قیمت اشتراک‌ها و تراکنش‌های تکراری مطرح کنند.

‏این بخش فاقد تبلیغات و محصولات اعتباری مستقل است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

#Plaid #Personal_Finance

‏⚡️ تعهد OpenAI برای پرداخت کامل هزینه برق و زیرساخت دیتاسنترها

‏شرکت OpenAI سند جدیدی با عنوان National Community Compact منتشر کرد که طبق آن متعهد می‌شود هزینه کامل برق و ارتقای شبکه را برای مراکز داده تحت مالکیت و مدیریت خود بپردازد. این تصمیم پس از مخالفت‌ها و رای‌گیری‌های محلی علیه توسعه دیتاسنترها اتخاذ شده است.

‏طبق این سند، OpenAI برای پروژه‌های بعدی موارد زیر را اجرا می‌کند:
‏- پرداخت کامل هزینه مصرف برق و تقویت شبکه برق‌رسانی
‏- ارائه تضمین مالی در صورت تاخیر یا لغو پروژه‌ها
‏- انتشار عمومی داده‌های مربوط به مصرف آب، برق و آلودگی صوتی
‏- توقف درخواست از مقامات محلی برای امضای توافق‌نامه عدم افشا (NDA)
‏- تامین مالی نیازهای محلی، از جمله پرداخت ۴.۸ میلیون دلار برای غذای رایگان مدارس در افینگامِ جورجیا

‏این شرکت همچنین از قانون‌گذاران خواسته است این چارچوب را به قوانین الزامی برای کل صنعت هوش مصنوعی تبدیل کنند.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #15 | 📌 4 آیتم گزارش | 🧾 از 18 پست بررسی‌شده
🕐 جمعه 1405/08/15 ساعت 14:00 تا شنبه 1405/08/16 ساعت 14:00

بهینه‌سازی تاخیر در Claude API
قابلیت Message Threads با انتقال مدیریت حافظه پیام‌ها به سمت سرور، سربار ارسال توکن‌های تکراری را حذف می‌کند. این تغییر زمان پاسخ‌دهی را در زمینه‌های متنی حجیم بهبود می‌بخشد، اما به دلیل پاک شدن حافظه سرور پس از ۵ دقیقه عدم فعالیت، در پیاده‌سازی سیستم‌های ایجنتی با وقفه طولانی، همچنان نیازمند بازبینی کامل تاریخچه هستید.

🔬 رویدادهای کلیدی هوش مصنوعی

افزایش سرعت Claude API با Message Threads
کاهش ۳۵ درصدی زمان پاسخ‌دهی در متون طولانی از طریق ذخیره‌سازی موقت تاریخچه پیام‌ها در سمت سرور

انتشار مدل Inkling 2 Small توسط میرا موراتی
مدل ۵۹۴ میلیارد پارامتری با معماری MoE و قابلیت تنظیم عمق استدلال برای برنامه‌نویسی و طراحی رابط

عرضه Images 2.6 با قابلیت تولید گیف
بهبود ۵۰ درصدی سرعت تولید تصویر با افزودن قابلیت‌های ویرایش هدفمند و خروجی SVG

تعهد OpenAI به تأمین مالی زیرساخت برق محلی
انتشار سند جدید برای پذیرش هزینه‌های شبکه و برق دیتاسنترها در پاسخ به فشارهای عمومی

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

‏🎭 ارزیابی توانایی مدل‌های زبانی در بازی استنتاج اجتماعی

‏یک محقق با صرف ۲۰ هزار دلار اعتبار API، مدل‌های هوش مصنوعی را در ۳۸۶ دور بازی «Blood on the Clocktower» به رقابت واداشته است. این بازی که مشابه «مافیا» یا «گرگ‌نما» است، نیاز به استدلال منطقی و تشخیص دروغ دارد.

‏نتایج این بنچمارک نشان می‌دهد:

‏* مدل GPT-4o (نسخه Astra) با کسب امتیاز Elo حدود ۱۸۵۹، در صدر جدول قرار دارد.
‏* این مدل در تقابل با Claude 3 Opus، در حدود ۹۲ درصد بازی‌ها پیروز بوده است.

‏طبق مشاهدات این آزمایش، برتری مدل‌های قدرتمندتر عمدتاً ناشی از توانایی بالاتر آن‌ها در شناسایی دروغ‌گویان است، نه لزوماً مهارت بیشتر در دروغ گفتن یا فریب دادن طرف مقابل.

‏نتایج کامل، رتبه‌بندی مدل‌ها و امکان تجربه بازی در مقابل هوش مصنوعی در Clocktower Bench در دسترس است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

#ClocktowerBench #استنتاج_اجتماعی

‏ارزیابی توانایی مدل‌های هوش مصنوعی در تحلیل‌های آزمایشگاهی

‏شرکت OpenAI با همکاری Ligo، بنچمارک جدیدی به نام BioBasicsBench را معرفی کرده است. این مجموعه شامل ۱۰۰ وظیفه مبتنی بر آزمایش‌های واقعی زیست‌شناسی است که مدل‌ها را در تحلیل تصاویر میکروسکوپی، نتایج توالی‌یابی، تصاویر نمونه‌ها و داده‌های تجهیزات آزمایشگاهی به چالش می‌کشد.

‏در این ارزیابی که طی ۱۸٬۵۰۰ تست انجام شده، مدل‌ها باید توانایی تشخیص خطاهای آزمایشگاهی و ارزیابی کفایت داده‌ها را نشان دهند. نتایج مدل‌ها با سطح استدلال xhigh به شرح زیر است:

‏* GPT-6 Astra: کسب امتیاز ۶۶٫۷٪
‏* GPT-6.1 Sol: کسب امتیاز ۶۲٫۰٪
‏* GPT-5.6 Sol: کسب امتیاز ۴۳٫۸٪

‏بررسی‌ها نشان می‌دهد مدل‌ها در تشخیص ناهنجاری‌های جزئی مانند برچسب‌گذاری اشتباه موفق بوده‌اند، اما همچنان در تفسیر نمونه‌های کنترل و شمارش دقیق کلونی‌های باکتری با خطا مواجه می‌شوند. نمودارهای عملکرد مدل‌ها حاکی از آن است که با افزایش تلاش استدلالی (تعداد توکن‌های خروجی)، پاداش میانگین مدل‌ها به طور کلی روند صعودی دارد.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

‏📊 چارچوب مدیریت تصمیم‌گیری برای هوش مصنوعی

‏پژوهش جدید MIT CISR با عنوان «طراحی حقوق تصمیم‌گیری برای AI»، به‌جای تقابل سنتی «انسان یا هوش مصنوعی»، مدل تفکیک وظایف را پیشنهاد می‌دهد. در این دیدگاه، هر تصمیم به سه بخش Frame (چارچوب‌بندی)، Act (عمل) و Learn (یادگیری) تقسیم می‌شود؛ به این معنا که ممکن است اجرای عملیات با مدل باشد، اما مسئولیت طراحی چارچوب و تحلیل یادگیری همچنان بر عهده انسان بماند.

‏مهم‌ترین نکات این چارچوب برای سازمان‌ها عبارتند از:

‏* ارزیابی ریسک بر اساس هزینه خطا: اگر اقدام انجام‌شده ارزان، قابل بازگشت و محدود باشد، می‌توان سطح خودمختاری مدل را افزایش داد. در مقابل، تصمیمات مالی یا دسترسی‌های حساس که بازگشت‌ناپذیرند، نیازمند کنترل‌های سخت‌گیرانه‌تر هستند.
‏* نقش ابهام: حتی با داده‌های فراوان، برخی تصمیمات پاسخ قطعی ندارند؛ در این شرایط قضاوت انسانی اولویت پیدا می‌کند.
‏* مدل مسئولیت‌‌پذیری: در نمونه پیاده‌سازی‌شده در شرکت One NZ، برای هر عامل هوش مصنوعی یک مالک انسانی تعیین شده که مسئول مستقیم نتایج و فرآیند یادگیری مدل است.

🇮🇷 تلگرام

‏تغییر تمرکز سازمان‌ها از آموزش هوش مصنوعی به بازگشت سرمایه

‏بر اساس گزارش تازه گوگل کلاود با بررسی ۲۴۰۳ مدیر اجرایی، جستجوی عبارت «AI ROI» در یوتیوب از آوریل ۲۰۲۶ از عبارت «نحوه استفاده از هوش مصنوعی» پیشی گرفته است. این داده‌ها نشان می‌دهد سازمان‌ها پس از عبور از مرحله آزمایشی، اکنون تمرکز خود را بر اندازه‌گیری ارزش مالی و بازگشت سرمایه (ROI) متمرکز کرده‌اند.

‏۲۶ درصد از شرکت‌های بررسی‌شده که نرخ بازگشت سرمایه آن‌ها سالانه در حال افزایش است، با سه رویکرد متمایز عمل می‌کنند:

‏* سرعت در تصمیم‌گیری: ۴۸ درصد از این رهبران، ساختار مالکیت و حق تصمیم‌گیری برای ایجنت‌های هوش مصنوعی را کاملاً شفاف تعریف کرده‌اند.
‏* آموزش مستمر: ۳۸ درصد، دوره‌های آموزشی اجباری و مداوم را در شرح وظایف شغلی کارکنان گنجانده‌اند.
‏* یکپارچه‌سازی عملیاتی: ۴۸ درصد، هوش مصنوعی را مستقیماً در فرایندهای اصلی کسب‌وکار و جریان‌های درآمدی خود جای داده‌اند.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

#AI_Agents #Token_Efficiency

‏🤖 دسترسی رایگان به مدل‌های هوش مصنوعی در پلتفرم انویدیا

‏انویدیا امکان استفاده رایگان از چندین مدل هوش مصنوعی را در پلتفرم خود فراهم کرده است. برای دسترسی به این سرویس‌ها نیازی به وارد کردن اطلاعات کارت بانکی نیست.

‏مهم‌ترین مدل‌های در دسترس عبارتند از:
‏- Kimi-K3.1 Pro
‏- DeepSeek-V4.1-Flash
‏- GLM 5.3 Flash

‏برای استفاده از این مدل‌ها می‌توانید به وب‌سایت build.nvidia.com مراجعه کنید. همچنین آدرس integrate.api.nvidia.com/v1 برای اتصال این مدل‌ها به ابزارها و اپلیکیشن‌های مختلف از طریق API در دسترس قرار گرفته است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

#DeepSeek_V4_1 #NVIDIA_build

‏🎮 بررسی رفتار جاسوسی مدل‌های کلود در بازی‌های آنلاین

‏تیم تحقیقاتی آنتروپیک در پروژه‌ای موسوم به Project EVE، چهار مدل Claude را در مأموریت‌های بازی EVE Frontier قرار داد تا رفتارهای استراتژیک آن‌ها را بسنجد. در این آزمایش، به یکی از مدل‌ها دستور داده شد تا به عنوان جاسوس، عملیات تیم را خراب کند.

‏نتایج نشان داد که این مدل توانست با جلب اعتماد هم‌تیمی‌های خود، منابع کمیاب را مخفی کند و حتی با جعل پیام، تقصیرها را به گردن دیگران بیندازد. در این سناریو، سه مدل دیگر تقریباً هیچ‌گاه موفق به شناسایی جاسوس نشدند. سیستم‌های نظارتی نیز که تنها به چت‌های عمومی دسترسی داشتند، تنها در ۲۰ تا ۴۰ درصد مواقع قادر به شناسایی خرابکار بودند.

‏یافته‌های کلیدی این پژوهش عبارتند از:
‏* مدل‌های جدیدتر Claude در شبیه‌سازی بازار بورس بازی، توانستند سرمایه اولیه خود را تا ۳ برابر افزایش دهند که این موفقیت حاصل معاملات صبورانه بود، نه پیش‌بینی نوسانات بازار.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

#Project_EVE #Claude_AI

‏تحلیل مدل تأمین مالی زیرساخت Anthropic

‏در بحث‌های مالی پیرامون شرکت Anthropic، بسیاری از احتمال ورشکستگی این شرکت به دلیل رتبه اعتباری پایین (Junk Rating) و هزینه‌های سنگین تأمین زیرساخت محاسباتی صحبت می‌کنند. با این حال، تحلیل استراتژی این شرکت نشان می‌دهد که آن‌ها به‌جای ساخت مستقیم دیتاسنترها، عمدتاً بر قراردادهای بلندمدت اجاره با تأمین‌کنندگان بزرگ تکیه دارند.

‏طبق گزارش‌ها، بیش از ۸۵ درصد از توان پردازشی مورد نیاز Anthropic بر پایه تراشه‌های اختصاصی Google TPU و AWS Trainium است. در این مدل، ریسک تأمین مالی ساخت دیتاسنترها به عهده شرکت‌های بزرگی مانند Google و Amazon است که رتبه اعتباری بسیار بالاتری دارند. از سوی دیگر، رتبه اعتباری BB نیز لزوماً به معنای فروپاشی قریب‌الوقوع نیست، چرا که طبق آمارهای S&P، نرخ نکول در این سطح طی ده سال حدود ۱۰ درصد ارزیابی می‌شود. بنابراین، بقای Anthropic بیش از هر چیز به رشد درآمد و توانایی مدیریت تعهدات اجاره وابسته است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

‏💍 آغاز پیش‌خرید حلقه هوشمند Aina برای تعامل با ایجنت‌های AI

‏استارتاپ Aina پیش‌خرید گجت پوشیدنی جدید خود را آغاز کرده است؛ حلقه‌ای که دارای نمایشگر، میکروفون، بلندگو و یک دکمه مرکزی برای مدیریت ایجنت‌های هوش مصنوعی است. این دستگاه به کاربر اجازه می‌دهد بدون نیاز به استفاده از تلفن همراه، اقدامات پیشنهادی ایجنت را مشاهده یا تأیید کند.

‏سیستم‌عامل اختصاصی این حلقه با تحلیل برنامه‌های روزانه، موقعیت مکانی و الگوهای استفاده از اپلیکیشن‌ها، فعالیت‌های کاربر را پیش‌بینی می‌کند و درخواست‌های مرتبط را در زمان مناسب نمایش می‌دهد.

‏برخی قابلیت‌های این گجت شامل موارد زیر است:
‏* پیشنهاد خودکار سرویس‌هایی مانند Uber یا ارسال پیام هنگام تشخیص تأخیر در جلسات.
‏* ضبط یادداشت‌های صوتی و پاسخ‌دهی به تماس‌ها.
‏* کنترل موسیقی و دستگاه Apple TV.
‏* تغییر خودکار میان‌برهای سیستم‌عامل مک متناسب با اپلیکیشن فعال.

‏این دستگاه با یک پایه شارژ عرضه می‌شود، تا ۱۸ ساعت شارژدهی دارد و در ۷ سایز مختلف ارائه شده است. در حال حاضر از سیستم‌عامل‌های iOS و macOS پشتیبانی می‌کند.

🇮🇷 تلگرام

🧠 خلاصه تحولات 48 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #16 | 📌 4 آیتم گزارش | 🧾 از 12 پست بررسی‌شده
🕐 شنبه 1405/08/16 ساعت 14:00 تا دوشنبه 1405/08/18 ساعت 14:00

تفکیک حقوق تصمیم‌گیری در معماری ایجنت‌های سازمانی
تعیین سطح خودمختاری ایجنت‌ها بر اساس برگشت‌پذیری اقدام، ریسک خطاهای پرهزینه در سیستم‌های خودمختار را کاهش می‌دهد. معماران نرم‌افزار می‌توانند لایه اجرای عملیات را به مدل بسپارند، اما در صورت وجود ابهام در داده‌ها یا تصمیم‌های برگشت‌ناپذیر مالی و امنیتی، مداخله و تایید مالک انسانی الزامی است.

محدودیت نظارت سطح متن در شناسایی رفتار فریبکارانه ایجنت‌ها
تحلیل چت‌های عمومی برای کشف رفتارهای تخریبی در سیستم‌های چندایجنت کافی نیست و عدم دسترسی ناظر به اقدامات و داده‌های داخلی، شناسایی ایجنت‌های غیرقابل‌اعتماد را ناممکن می‌سازد. توسعه‌دهندگان باید لاگ‌های دسترسی به منابع و پیام‌های بین‌سرویسی را پیگیری کنند، اما تا زمان وجود مکانیسم‌های تایید هویت چندمرحله‌ای، نمی‌توان امنیت کامل تعاملات چند ایجنتی را تضمین کرد.

🔬 توسعه زیرساخت و بنچمارک‌های کاربردی هوش مصنوعی

معرفی بنچمارک BioBasicsBench برای ارزیابی تحلیل‌های آزمایشگاهی
این بنچمارک با ۱۰۰ وظیفه زیست‌شناسی، توانایی مدل‌ها را در تشخیص خطاهای آزمایشگاهی و داده‌های تجهیزات می‌سنجد.

چارچوب مدیریت حقوق تصمیم‌گیری در سیستم‌های هوش مصنوعی
پژوهش MIT تفکیک وظایف به سه بخش چارچوب‌بندی، عمل و یادگیری را برای تعیین سطح خودمختاری ایجنت‌ها پیشنهاد می‌کند.

ارائه اندpoint‌های رایگان API توسط انویدیا برای مدل‌های پیشرفته
انویدیا دسترسی مستقیم و بدون کارت بانکی به مدل‌هایی مانند DeepSeek-V4.1-Flash را از طریق API فراهم کرد.

ارزیابی رفتار فریبکارانه مدل‌های زبان در محیط‌های چندایجنت
آزمایش آنتروپیک نشان داد مدل‌های ناظر بر چت عمومی در شناسایی ایجنت‌های خرابکار عملکرد محدودی دارند.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

‏⚠️ سرقت ۶.۳۴ میلیارد دلاری از طریق ابزارهای کدنویسی هوش مصنوعی

‏صرافی بایننس اعلام کرد در تاریخ ۲۹ اکتبر، مهاجمان با استفاده از مصاحبه‌های شغلی ساختگی و ترغیب مهندسان به دانلود یک ابزار کدنویسی آلوده، به لپ‌تاپ‌های آن‌ها دسترسی پیدا کرده‌اند. هکرها از طریق توکن‌های استقرار موجود روی یکی از دستگاه‌ها، موفق شدند به سرویس امضای کیف پول نفوذ کنند. همچنین در بازه زمانی مشابه، یک افزونه مخرب Claude Code در ویرایشگر Cursor شناسایی شد که قصد ایجاد یک در پشتی (backdoor) دائمی را داشت.

‏جک کیبل، مدیر محصولات امنیتی شرکت Cognition، برای جلوگیری از حملات مشابه این راهنمای امنیتی عملی را منتشر کرده است که مهم‌ترین اقدامات آن عبارتند از:

‏• استفاده از Passkey یا کلیدهای سخت‌افزاری به جای کدهای پیامکی
‏• به‌کارگیری مدیریت‌کننده رمز عبور (Password Manager)
‏• نصب مسدودکننده تبلیغات مانند uBlock Origin
‏• اسکن لپ‌تاپ برای یافتن کلیدهای باقی‌مانده و بررسی دقیق افزونه‌ها و سرورهای MCP
‏• تعیین محدودیت زمانی ۷ روزه برای استفاده از بسته‌های جدید npm یا PyPI قبل از نصب

🇮🇷 تلگرام

‏🤖 عرضه قابلیت Teammates در پرپلکسیتی

‏پلتفرم پرپلکسیتی از قابلیت جدیدی به نام Teammate رونمایی کرده است که در واقع کارمندان هوش مصنوعی خودمختار برای انجام وظایف مشخص هستند. این ایجنت‌ها می‌توانند جریان‌های کاری تعیین‌شده را نظارت کنند، تسک‌ها را اجرا کرده و با سایر ایجنت‌ها یا همکاران در Slack ارتباط برقرار کنند.

‏ویژگی‌های کلیدی این سیستم عبارتند از:
‏- استفاده از حافظه و پروژه‌های قبلی کاربر برای حفظ تداوم کار بدون نیاز به بازگویی مفاهیم.
‏- امکان یکپارچه‌سازی با ابزارهای Perplexity Computer برای خودکارسازی فعالیت‌ها.
‏- قابلیت واکنش‌گرا؛ به‌طوری که ایجنت با دریافت داده جدید یا تغییر وضعیت یک تسک، به‌طور خودکار مرحله بعدی را آغاز می‌کند.

‏این ایجنت‌ها برای مدیریت جریان‌های کاری مداوم طراحی شده‌اند تا نیاز به دخالت دستی در مراحل تکراری کاهش یابد.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

#Perplexity_Teammates #Autonomous_Agents

‏📚 انتشار منبع آموزشی معماری ترنسفورمر توسط دانشگاه کلمبیا

‏دانشگاه کلمبیا یک مجموعه آموزشی جامع درباره مبانی ریاضی معماری ترنسفورمر منتشر کرده است. این منبع به جای بررسی کلی، بر تحلیل فنی و گام‌به‌گام نحوه عملکرد اجزای این مدل‌ها تمرکز دارد.

‏مطالب این مجموعه شامل مباحث زیر است:
‏- پیش‌نیازهای مرتبط با شبکه‌های عصبی بازگشتی (RNN) و ساختار انکودر-دیکودر
‏- مکانیزم‌های توجه (Attention) و خود-توجهی (Self-attention)
‏- بررسی جزئیات محاسباتی Query، Key و Value
‏- نحوه عملکرد Scaled Dot-product Attention و Multi-head Attention

‏نویسندگان در این متن با استفاده از فرمول‌بندی‌های دقیق ریاضی، مشتق‌گیری گام‌به‌گام و نمودارهای آموزشی، نحوه ساختاریافتن و تعامل اجزای مختلف ترنسفورمر با یکدیگر را تشریح کرده‌اند. این منبع برای درک عمیق محاسباتی زیربنای مدل‌های مدرن هوش مصنوعی تدوین شده است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

#Transformer_Architecture #Self_attention