DeepMind AI Expert
15.2K subscribers
1.32K photos
393 videos
124 files
2.38K links
مقالات کاربردی هوش مصنوعی در پایتون، علوم پزشکی، علوم انسانی، علوم اعصاب و...
دوره های آموزشی از دانشگاه های بزرگ و موسسات انلاین
پژوهشگران هوش مصنوعی ایران
http://xn--r1a.website/AI_DeepMind?direct
تبادلات پیام بدید
Download Telegram
💡 اگر شما هم توی کار کردن با Claude Code به مشکل خوردین، نگران نباشید.
شما می‌تونید به راحتی به متیس وصلش کنید و با همون کیفیت و قدرت از توانایی‌های Claude Code استفاده کنید. کافیه این کارها رو انجام بدین:

1️⃣ اکانتتون رو توی متیس بسازید(https://console.metisai.ir)
2️⃣ از داشبورد متیس یک API Key بگیرید.
3️⃣با این دستورات کلاود کد رو به متیس وصل کنید:
export ANTHROPIC_BASE_URL=https://api.metisai.ir/anthropic
export ANTHROPIC_AUTH_TOKEN=<YOUR_METIS_API_KEY>


تازه می‌تونید یه کاری کنید که Claude Code جای مدل‌های آنتروپیک به آخرین ورژن‌های دیپ‌سیک هم وصل بشه! کافیه به جای دستورات بالا اینا رو وارد کنید:
export ANTHROPIC_BASE_URL=https://api.metisai.ir/deepseek/anthropic
export ANTHROPIC_AUTH_TOKEN=<YOUR_METIS_API_KEY>
export ANTHROPIC_MODEL=deepseek-v4-pro[1m]
export ANTHROPIC_DEFAULT_OPUS_MODEL=deepseek-v4-pro[1m]
export ANTHROPIC_DEFAULT_SONNET_MODEL=deepseek-v4-pro[1m]
export ANTHROPIC_DEFAULT_HAIKU_MODEL=deepseek-v4-flash
export CLAUDE_CODE_SUBAGENT_MODEL=deepseek-v4-flash
export CLAUDE_CODE_EFFORT_LEVEL=max


🤑 با استفاده کردن از دیپ‌سیک هزینه‌ها تا ۲۰ برابر کاهش پیدا می‌کنه و برای اکثریت تسک‌هایی که دارید کاهش کیفیت رو حس نمی‌کنید(هم مدل‌ها قدرتمند هستن و هم چون کلاد کد ایجنتیک هستش)
🔷 لینکش در مستندات: https://docs.metisai.ir/agents/claude-code/

امیدوارم هر چه زودتر مشکل کاربرای ایرانی در استفاده از اکانت‌های کلاود رفع بشه و بتونیم راحت و بدون دردسر استفاده کنیم.
#tools
#claude

🆔 @lifeAsAService
Please open Telegram to view this post
VIEW IN TELEGRAM
8👌2👍1
مدل مقاله ASPIRE؛ یک سیستم برای ربات‌ها که خودش برنامه کنترل ربات می‌نویسد، اجرا می‌کند، خطا را پیدا می‌کند، کد را اصلاح می‌کند و تجربه‌های موفق را به‌عنوان مهارت قابل‌ استفاده برای کارهای بعدی ذخیره می‌کند.

مدل ASPIRE می‌خواهد ربات را شبیه یک برنامه‌نویس باتجربه رباتیک کند. یعنی وقتی ربات شکست می‌خورد، فقط دوباره تلاش نکند؛ بلکه لاگ‌ها، تصاویر، مسیر حرکت، کاندیدهای grasp و خطای collision را بررسی کند، علت شکست را پیدا کند، برنامه را اصلاح کند و اگر اصلاح جواب داد، آن را به‌عنوان یک skill در حافظه نگه دارد.

اهمیت مقاله این است که ربات را از حالت «فقط اجراکننده دستور» به سمت عامل خودبهبوددهنده می‌برد. یعنی سیستم فقط برای هر task از صفر شروع نمی‌کند؛ تجربه جمع می‌کند، خطاهای گذشته را به skill تبدیل می‌کند و در کارهای بعدی سریع‌تر و بهتر عمل می‌کند. این دقیقاً چیزی است که در robotics خیلی مهم است، چون شکست‌های رباتی معمولاً تکرارشونده‌اند: مشکل grasp، مشکل collision، مشکل تشخیص شیء، مشکل نزدیک شدن به شیء و غیره.


این مقاله می‌گوید: ربات‌های آینده نباید فقط برنامه اجرا کنند؛ باید مثل یک agent برنامه‌نویس، شکست را تحلیل کنند، خودشان کد را اصلاح کنند، و تجربه‌های موفق را به مهارت‌های قابل‌استفاده برای کارهای بعدی تبدیل کنند.

🔸 ASPIRE: Agentic /Skills Discovery for Robotics

#مقاله #ایده_جذاب #رباتیک

☑️ @AI_DeepMind
@AI_Person
4👌3🔥1
وبسایتی که ارتباطات مقالات را مشخص میکند.

https://researchrabbit.ai/

https://connectedpapers.com/

https://consensus.app/

#هوش_مصنوعی #مقاله

☑️ @AI_DeepMind
@AI_Person
12
مشکل اصلی در رباتیک این است که آموزش و تست ربات در دنیای واقعی گران، کند و سخت‌مقیاس‌پذیر است. مثلا اگر بخواهیم یک ربات یاد بگیرد میز را مرتب کند، ظرف‌ها را بچیند یا کشو را باز کند، تست کردن هزاران بار در دنیای واقعی هم زمان‌بر است، هم ممکن است به اشیا یا ربات آسیب بزند. SimFoundry می‌گوید: به‌جای اینکه همه‌چیز را در دنیای واقعی انجام دهیم، از یک ویدئوی واقعی، یک digital twin یا نسخه شبیه‌سازی‌شده‌ی دقیق از صحنه بسازیم و ربات را آنجا آموزش و ارزیابی کنیم.

اهمیت مقاله این است که یک قدم به سمت تولید خودکار دیتاست و محیط آموزشی برای ربات‌ها می‌رود. قبلاً ساخت محیط شبیه‌سازی برای ربات‌ها معمولاً دستی، زمان‌بر و وابسته به متخصص بود. SimFoundry می‌خواهد این فرایند را خودکار کند: یک ویدئو بده، صحنه شبیه‌سازی‌شده بگیر، نسخه‌های متنوع بساز، policy را آموزش بده و حتی عملکرد واقعی را تا حد خوبی پیش‌بینی کن. این برای آینده‌ی Physical AI و ربات‌های عمومی خیلی مهم است.


#مقاله SimFoundry سیستمی است که از یک ویدئوی واقعی، محیط شبیه‌سازی آماده برای ربات می‌سازد و با تولید نسخه‌های متنوع از همان صحنه، آموزش و ارزیابی ربات‌ها را ارزان‌تر، سریع‌تر و قابل‌اعتمادتر می‌کند.

🔸 SimFoundry: Modular and Automated Scene Generation for Policy Learning and Evaluation

#ایده_جذاب #رباتیک

☑️ @AI_DeepMind
@AI_Person
8👍3👌1
سیستم پرامپ نویسی مدل آنتروپیک Fable 5 منتشر شد. در این گیتهاب پرامپت نویسی بقیه مدل ها را میتوانید ببینید.

https://github.com/asgeirtj/system_prompts_leaks/blob/main/Anthropic/claude-fable-5.md

#هوش_مصنوعی #منابع #پرامپت

☑️ @AI_DeepMind
@AI_Person
15👍2👌2🔥1
این مقاله درباره‌ی MuSe است؛ یک روش برای اینکه رباتی که قبلاً فقط با بینایی / تصویر آموزش دیده، بعداً بتواند با مقدار کمی داده‌ی جدید، حس نیرو و گشتاور را هم یاد بگیرد؛ بدون اینکه مهارت‌های قبلی‌اش را فراموش کند.

مشکل این است که خیلی از کارهای رباتی فقط با تصویر حل نمی‌شوند. مثلا وقتی ربات می‌خواهد چیزی را پاک کند، یک peg را داخل سوراخ کند، یا با سطحی تماس بگیرد، باید بفهمد چقدر فشار وارد می‌کند، آیا گیر کرده، آیا تماس کافی دارد یا نه. این اطلاعات همیشه از تصویر معلوم نیست؛ اما سنسورهای force/torque می‌توانند آن را نشان دهند. با این حال، دیتاست‌های بزرگ رباتیک معمولاً فقط تصویری‌اند و داده‌های چندحسی مثل نیرو، لمس یا صدا کم و وابسته به سخت‌افزار هستند. پس مقاله می‌گوید بهتر است اول ربات را با داده‌های بزرگ vision-action آموزش بدهیم، بعداً سنسور جدید را با داده کم به آن اضافه کنیم.

اهمیت مقاله این است که یک مسیر واقعی‌تر برای ساخت ربات‌های عمومی نشان می‌دهد. لازم نیست از اول همه‌ی سنسورها را در pretraining داشته باشیم. می‌توانیم اول یک ربات vision-action بزرگ بسازیم، بعداً برای کارهای خاص، سنسورهایی مثل force، tactile، audio یا depth را به آن اضافه کنیم. این برای آینده‌ی ربات‌های عمومی خیلی مهم است، چون هر محیط و هر ربات ممکن است سنسورهای متفاوتی داشته باشد.


مقاله MuSe نشان می‌دهد ربات‌ها می‌توانند بعد از pretraining تصویری، با مقدار کمی داده‌ی force-torque چندحسی شوند؛ یعنی تماس، فشار و گیرکردن را بهتر بفهمند، کارهای contact-rich را بهتر انجام دهند و حتی بعضی مهارت‌های قبلی‌شان هم قوی‌تر شود.

🔸 Multisensory Continual Learning: Adapting Pretrained Visuomotor Policies to Force

#مقاله #رباتیک #ایده_جذاب #یادگیری_بلندمدت

☑️ @AI_DeepMind
@AI_Person
7👍4👌1🆒1
مقاله می‌گوید مدل‌های تولید تصویر یا ویدیو، مثل مدل‌های diffusion، می‌توانند تصاویر زیبا بسازند؛ اما وقتی بخواهیم یک خانه چنداتاقه کامل و قابل راه رفتن بسازیم، معمولاً دچار مشکل می‌شوند: اتاق‌ها با هم جور درنمی‌آیند، اشیا از زاویه‌های مختلف تغییر شکل می‌دهند، دیوارها/درها/پنجره‌ها ثابت نمی‌مانند و محیط در نمای نزدیک یا مسیرهای طولانی ناپایدار می‌شود. نویسندگان می‌گویند علت اصلی این است که این مدل‌ها معمولاً یک هندسه سه‌بعدی صریح و پایدار ندارند.

راه‌حل WorldMesh این است که اول یک اسکلت هندسی سه‌بعدی یا mesh scaffold بسازد؛ یعنی دیوارها، کف، سقف، درها، اتاق‌ها و جای تقریبی اشیا را مشخص کند. بعد مدل تولید تصویر را مجبور می‌کند ظاهر واقع‌گرایانه را بر اساس همین اسکلت بسازد، نه اینکه آزادانه هر فریم را جداگانه تخیل کند. به زبان ساده: اول نقشه و اسکلت خانه ساخته می‌شود، بعد هوش مصنوعی روی آن رنگ، نور، وسایل و جزئیات واقع‌گرایانه می‌گذارد.

این مقاله می‌خواهد مشکل بزرگ تولید جهان‌های سه‌بعدی با AI را حل کند: ثبات و سازگاری در محیط‌های بزرگ. ایده‌اش این است که قبل از تولید ظاهر زیبا، باید یک اسکلت هندسی پایدار ساخت. بعد مدل diffusion روی آن اسکلت کار می‌کند تا هم محیط واقع‌گرایانه باشد، هم در زاویه‌های مختلف خراب نشود. اهمیت مقاله در این است که به سمت ساخت دنیای سه‌بعدی کامل از متن حرکت می‌کند، نه فقط تولید عکس یا یک اتاق ساده.


🔸 WorldMesh: Generating Navigable Multi-Room 3D Scenes via Mesh-Conditioned Image Diffusion

#مقاله #ایده_جذاب #مدل_مولد #دیفیوژن

☑️ @AI_DeepMind
@AI_Person
11🔥1🍓1
Media is too big
VIEW IN TELEGRAM
آدمیزاد تغییر میکند، زمانی فوتبال یکی ازمهم ترین ارکان زندگی‌ام بود چند سالی فن رونالدو‌ام. استمرار، تلاش و جنگندگی این آدم برایم زیباتر از نبوغ مادرزادی بود. مهربانی‌اش، انسانیت، آسیب پذیری‌اش و میل به پیشرفتِ مدام در سن چهل و یک سالگی یک الگوی کامل برای ماست. برای از پاننشستن، برای ادامه دادن، برای تقدس زندگی، او با شکوه بود. امسال می‌خواستیم او جام را بالای سر ببرد. اما انگار وقتی او به خاورمیانه‌ی اندوه ما آمد، برایمان خواستنی‌تر شد، اندوش اندوه ما شد و بزرگی یعنی بیرون آمدن از ساحت مقدس اسطوره و درک ناکاملی زندگی...

#رونالدو اسطوره ها شیوه زندگی رو تغییر میدن برای پایان عصر طلایی بازیکنانی که دیگر بدون آنها فوتبال لذت بخش نیست.
49🍓3🕊1
Forwarded from DeepMind AI Expert
فروش یک ماهه هر گیگ 12 تومن برای شرایط عادی

آفر ویژه 200 گیگ یک ماهه برای شرایط عادی کانال روی تمام شبکه ها اپتیمایز شد الان میتونید با قیمت 450 تومن تهیه کنید


فروش فیلترشکن OpenVPN قابل ارایه و پشتیبانی حتی در زمان نت ملی برای تمام پلتفرمهای هوش مصنوعی و ... بدون ضریب

مناسب همه فعالیتها قابل استفاده در زمان قطعی نت، چند کاربره و یک ماهه


۱۱۰ گیگ تعداد کاربر نامحدود 3700
55 گیگ تعداد کاربر نامحدود 2700
حجم و تعداد کاربر نامحدود ۷ میلیون

ا IP ثابت آمریکا، آلمان، ترکیه موجود هست.

مناسب استفاده شخصی، شرکتها و استارت آپ ها، تریدرها و دارای IP ثابت

حداکثر سرعت قابل ارایه 16 مگابایت

برای تهیه به من پیام بدید 👇👇

@Farzadh1h
5
Forwarded from DeepMind AI Expert
وبسایتی که ارتباطات مقالات را مشخص میکند.

https://researchrabbit.ai/

https://connectedpapers.com/

https://consensus.app/

#هوش_مصنوعی #مقاله

☑️ @AI_DeepMind
@AI_Person
6🔥1👌1
هر روز دوباره کانفیگ رایگان میزنم داخل کانال یکی عصرها یکیم شب ها انلاین باشین ک براتون کانفیگ بزارم
16
🚀 مدل Grok 4.5 رسماً منتشر شد!

مدل Grok 4.5، هوشمندترین مدل SpaceXAI تا به امروز، با همکاری Cursor ساخته شده. این مدل بعد از خرید Cursor توسط SpaceXAI (معامله ۶۰ میلیارد دلاری) ساخته شده و اولین محصول مشترک این دو شرکت است.

مدل Grok 4.5 روی تریلیون‌ها توکن از داده‌های واقعی برنامه‌نویس‌ها (تعامل با کد، ابزارها، رفع خطا و workflow واقعی) آموزش دیده و مخصوص کارهای طولانی، agentic، کدنویسی، مهندسی نرم‌افزار، تحلیل داده، امور مالی و حقوقی طراحی شده.
و عملکرد عالی در reasoning چندمرحله‌ای، استفاده از ابزارها و حل مسائل پیچیده دارد.


🔗 جزئیات:
https://x.ai/news/grok-4-5
https://cursor.com/docs/models/grok-4-5

منبع تصویر

#Grok45
#Cursor
#SpaceXAI
#Agentic_Coding

🔸 مطالب بیشتر 👇👇

@AI_DeepMind
@AI_Person
10👍1🔥1
vless://cea77aa4-4543-4611-b361-37eadcbc434b@help.gadgetflow.ir:443?encryption=none&fp=chrome&pbk=0FXKuodi-cwZ7X-rlB36zxuNqliBKNWS4yDgNSxaemM&security=reality&sid=b38333&sni=yahoo.com&spx=%2FCqI2UlzjvenmilW&type=tcp#IranGadgetFlow-Test5


تست برای امروز
5
یک مدل زبانی دقیقاً چه مقدار از داده‌های آموزشی را حفظ می‌کند و چه مقدار واقعاً الگوهای عمومی را یاد می‌گیرد؟

روش‌های رایج، مانند استخراج یک متن از مدل یا تشخیص حضور آن در داده آموزشی، نمی‌توانند به‌طور کامل میان حفظ‌کردن داده و تعمیم‌دادن تفاوت بگذارند. آن‌ها به همین دلیل یک تعریف اطلاعاتی جدید ارائه می‌کنند که مقدار دانسته‌های مدل درباره هر نمونه را با واحد بیت اندازه می‌گیرد.

🔸 How much do language models memorize?
#مقاله

☑️ @AI_DeepMind
@AI_Person
4🆒1
این #مقاله بررسی می‌کند که یک شبکه عصبی در شرایط واقعی آموزش، حداکثر چند نمونه را می‌تواند کاملاً یاد بگیرد. سؤال اصلی این است که آیا تعداد پارامترهای مدل واقعاً معیار مناسبی برای تعیین ظرفیت آن است یا معماری، داده، تابع فعال‌سازی و الگوریتم بهینه‌سازی نیز ظرفیت عملی مدل را تغییر می‌دهند.

تعداد پارامترهای یک شبکه عصبی به‌تنهایی مشخص نمی‌کند چه مقدار داده را می‌تواند یاد بگیرد.


شبکه‌های عصبی معمولاً در حفظ داده‌های تصادفی بسیار کم‌کارآمدتر از چیزی هستند که شمارش پارامترها نشان می‌دهد. اما وقتی داده دارای ساختار واقعی باشد، معماری مناسب می‌تواند الگوهای مشترک را استفاده کند و حتی بیشتر از تعداد پارامترهای خود نمونه‌های معنادار را برازش کند. CNN، ReLU، افزایش عمق، SGD و برخی روش‌های پارامتردهی، همگی ظرفیت عملی مدل را تغییر می‌دهند.

این مقاله نشان می‌دهد انعطاف‌پذیری واقعی شبکه عصبی نه فقط به تعداد پارامترها، بلکه به نحوه سازمان‌دهی پارامترها، ساختار داده و مسیری که الگوریتم آموزش در سطح loss طی می‌کند بستگی دارد.


🔸 Just How Flexible are Neural Networks in Practice?

#شبکه_عصبی #ایده_جذاب

☑️ @AI_DeepMind
@AI_Person
7🍓1
آیا یک مدل می‌تواند پوشه‌ای شامل داده‌های پزشکی خام، پراکنده و دارای قالب‌های متفاوت را به داده‌ای استاندارد و قابل‌استفاده برای هوش مصنوعی تبدیل کند؟

این مقاله نشان می‌دهد پیش از تشخیص پزشکی با هوش مصنوعی، یک گلوگاه بنیادی وجود دارد: تبدیل صحیح، مستند و قابل‌اعتماد داده‌های خام و ناهمگون پزشکی به داده‌های استاندارد و آماده برای مدل‌های هوش مصنوعی.

🔸 Solve the Missing First Step: Can VLMs Standardize Raw Heterogeneous Medical Data?

#علوم_پزشکی #بینایی_ماشین #مدل_بنیادی #مقاله

☑️ @AI_DeepMind
@AI_Person
👍63🔥1
اشتراک رایگان دولینگو!

وارد حساب کاربری بشید و لینک زیر باز کنید کد ردیم بزنید تمام


▪️ https://duolingo.com/redeem

▪️ Code: DUOBNBJUNE2026

اگر قبلا ردیم کد زدید نیازه با اکانت جدید بزنید.
19🆒1