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
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.
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
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
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 ای پی ثابت فروش فیلترشکن OpenVPN قابل ارایه و پشتیبانی حتی در زمان نت ملی برای تمام پلتفرمهای…
طرح 200 گیگ یک ماهه عادی دوباره شارژ شد برای تهیه پیام بدید تعداد محدود هست.
برای تهیه به من پیام بدید 👇👇
@Farzadh1h
برای تهیه به من پیام بدید 👇👇
@Farzadh1h
👍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.
🔸 WorldMesh: Generating Navigable Multi-Room 3D Scenes via Mesh-Conditioned Image Diffusion
#مقاله #ایده_جذاب #مدل_مولد #دیفیوژن
☑️ @AI_DeepMind
✅ @AI_Person
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.
#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
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
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
https://researchrabbit.ai/
https://connectedpapers.com/
https://consensus.app/
#هوش_مصنوعی #مقاله
☑️ @AI_DeepMind
✅ @AI_Person
❤6🔥1👌1
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…
vless://db8726b4-0513-4b8b-acfc-d30794e975fd@help.gadgetflow.ir:443?encryption=none&fp=chrome&pbk=0FXKuodi-cwZ7X-rlB36zxuNqliBKNWS4yDgNSxaemM&security=reality&sid=5ce0&sni=yahoo.com&spx=%2FbzqUbxCDn8ilVkq&type=tcp#IranGadgetFlow-Test1
یک تست بزنین نوش کنین
❤11
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
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
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…
برای امروز به حجم 200 گیگ vpn فقط به تعداد محدود برای شرایط عادی فقط 320 تومن برای تهیه بهم پیام بدید
@Farzadh1h
@Farzadh1h
❤5
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
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.
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.
🔸 Just How Flexible are Neural Networks in Practice?
#شبکه_عصبی #ایده_جذاب
☑️ @AI_DeepMind
✅ @AI_Person
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
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
👍6❤3🔥1
اشتراک رایگان دولینگو!
وارد حساب کاربری بشید و لینک زیر باز کنید کد ردیم بزنید تمام
▪️ https://duolingo.com/redeem
▪️ Code:
اگر قبلا ردیم کد زدید نیازه با اکانت جدید بزنید.
وارد حساب کاربری بشید و لینک زیر باز کنید کد ردیم بزنید تمام
▪️ https://duolingo.com/redeem
▪️ Code:
DUOBNBJUNE2026اگر قبلا ردیم کد زدید نیازه با اکانت جدید بزنید.
1❤9🆒1
این مقاله با عنوان (RSM) تلاش میکند روشهای مختلفِ فاینتیونکردن مدلهای تولید #تصویرِ Diffusion و Flow با استفاده از «پاداش» را در یک چارچوب واحد توضیح دهد. نویسندگان KAIST نشان میدهند که روشهایی مانند PPO، GRPO، PCPO، TempFlow-GRPO، VGG-Flow و SQDF، با وجود تفاوت ظاهری، در اصل یک هدف مشترک دارند: هدایت مدل به سمت تولید نمونههایی با پاداش بالاتر، در حالی که مدل خیلی از مدل پایه دور نشود.
نکته جالب برای بحث RL که قبلاً داشتیم: این مقاله میگوید تفاوت PPO/GRPO با روشهای گرادیانیِ فاینتیون Diffusion، الزاماً تفاوت در «هدف نهایی» نیست؛ آنها اغلب فقط روشهای متفاوتی برای تخمین همان سیگنال هدایت پاداشاند. بنابراین، مسئله اصلی بیشتر بهینهسازیِ bias–variance–compute است: تعادل بین سوگیری، واریانس و هزینه.
▪️ Reward Score Matching: Unifying Reward-based Fine-tuning for Flow and Diffusion Models
پ.ن: مقاله برگزیده کنفرانس ICML 2026
#یادگیری_تقویتی #مقاله #دیفیوژن #مقاله #کنفرانس
☑️ @AI_DeepMind
✅ @AI_Person
نکته جالب برای بحث RL که قبلاً داشتیم: این مقاله میگوید تفاوت PPO/GRPO با روشهای گرادیانیِ فاینتیون Diffusion، الزاماً تفاوت در «هدف نهایی» نیست؛ آنها اغلب فقط روشهای متفاوتی برای تخمین همان سیگنال هدایت پاداشاند. بنابراین، مسئله اصلی بیشتر بهینهسازیِ bias–variance–compute است: تعادل بین سوگیری، واریانس و هزینه.
▪️ Reward Score Matching: Unifying Reward-based Fine-tuning for Flow and Diffusion Models
پ.ن: مقاله برگزیده کنفرانس ICML 2026
#یادگیری_تقویتی #مقاله #دیفیوژن #مقاله #کنفرانس
☑️ @AI_DeepMind
✅ @AI_Person
❤6
این مقاله مسئله ثابتبودن مدلهای زبانی پس از آموزش را بررسی میکند. مدلهای فعلی میتوانند اطلاعات جدید را موقتاً در متن گفتگو نگه دارند، اما معمولاً قادر نیستند این تجربهها را به دانش بلندمدت موجود در پارامترهای خود تبدیل کنند. نویسندگان برای حل این مشکل چارچوبی به نام «خواب» پیشنهاد میکنند که طی آن، مدل تجربهها و اطلاعات کوتاهمدت را مرور کرده و با استفاده از تقطیر دانش و یادگیری تقویتی، آنها را بدون فراموشکردن دانش قبلی به حافظه پایدار منتقل میکند.
این چارچوب مرحله دیگری به نام «رویاپردازی» دارد که در آن مدل با کمک #یادگیری_تقویتی، دادهها و تمرینهای مصنوعی تولید میکند تا دانش جدید را تمرین کرده و تواناییهای قبلی خود را بهبود دهد. آزمایشها در زمینههایی مانند درک متنهای طولانی، یادگیری پیوسته، افزودن دانش جدید و استدلال ریاضی نشان میدهند که این روش میتواند مدلهای زبانی را از سیستمهایی ثابت به مدلهایی تبدیل کند که بهطور مداوم از تجربههای خود یاد میگیرند و دانششان را تثبیت میکنند.
▪️ Language Models Need Sleep: Learning to Self-Modify and Consolidate Memories
#مقاله #مدل_زبانی
☑️ @AI_DeepMind
✅ @AI_Person
این چارچوب مرحله دیگری به نام «رویاپردازی» دارد که در آن مدل با کمک #یادگیری_تقویتی، دادهها و تمرینهای مصنوعی تولید میکند تا دانش جدید را تمرین کرده و تواناییهای قبلی خود را بهبود دهد. آزمایشها در زمینههایی مانند درک متنهای طولانی، یادگیری پیوسته، افزودن دانش جدید و استدلال ریاضی نشان میدهند که این روش میتواند مدلهای زبانی را از سیستمهایی ثابت به مدلهایی تبدیل کند که بهطور مداوم از تجربههای خود یاد میگیرند و دانششان را تثبیت میکنند.
▪️ Language Models Need Sleep: Learning to Self-Modify and Consolidate Memories
#مقاله #مدل_زبانی
☑️ @AI_DeepMind
✅ @AI_Person
👌6
این مقاله چارچوبی به نام CORAL برای تکامل خودکار چند عامل هوش مصنوعی در مسائل باز و بلندمدت معرفی میکند. برخلاف روشهای تکاملی قبلی که به قوانین ثابت و جستوجوی از پیش طراحیشده وابستهاند، در CORAL چند عامل برای مدت طولانی و بهصورت ناهمزمان فعالیت میکنند، ایدههای مختلف را آزمایش میکنند، نتایج خود را بازبینی میکنند و از طریق یک حافظه مشترک، دانش و تجربههایشان را در اختیار یکدیگر قرار میدهند. سازوکار «ضربان قلب» نیز وضعیت عاملها را کنترل کرده و هنگام توقف یا انحراف در فرایند، مداخله میکند.
ا CORAL روی مسائل #ریاضی، الگوریتمی و بهینهسازی سیستمها ارزیابی شده و در ۱۰ وظیفه به نتایج برتر دست یافته است. این روش با تعداد ارزیابی کمتر، نرخ بهبود ۳ تا ۱۰ برابر بیشتر از روشهای تکاملی ثابت داشته است. در یکی از مسائل مهندسی کرنل Anthropic نیز چهار عامل همتکاملیابنده امتیاز اجرای محاسبات را از ۱۳۶۳ به ۱۱۰۳ چرخه کاهش دادند. نتیجه اصلی مقاله این است که استقلال بیشتر عاملها، حافظه پایدار، تقسیم مسیرهای جستوجو و تبادل تجربه میان چند عامل میتواند کشف راهحلهای جدید را سریعتر و مؤثرتر کند.
▪️ CORAL: Towards Autonomous Multi-Agent Evolution for Open-Ended Discovery
#مقاله
☑️ @AI_DeepMind
✅ @AI_Person
ا CORAL روی مسائل #ریاضی، الگوریتمی و بهینهسازی سیستمها ارزیابی شده و در ۱۰ وظیفه به نتایج برتر دست یافته است. این روش با تعداد ارزیابی کمتر، نرخ بهبود ۳ تا ۱۰ برابر بیشتر از روشهای تکاملی ثابت داشته است. در یکی از مسائل مهندسی کرنل Anthropic نیز چهار عامل همتکاملیابنده امتیاز اجرای محاسبات را از ۱۳۶۳ به ۱۱۰۳ چرخه کاهش دادند. نتیجه اصلی مقاله این است که استقلال بیشتر عاملها، حافظه پایدار، تقسیم مسیرهای جستوجو و تبادل تجربه میان چند عامل میتواند کشف راهحلهای جدید را سریعتر و مؤثرتر کند.
▪️ CORAL: Towards Autonomous Multi-Agent Evolution for Open-Ended Discovery
#مقاله
☑️ @AI_DeepMind
✅ @AI_Person
👍1
Media is too big
VIEW IN TELEGRAM
آیا میدانستید تصاویر پروفایل شما میتواند ابزار اخاذی شبکههای سایبری شود؟ طی روزهای اخیر کاربران بسیاری قربانی سودجویی این شبکهها در پلتفرم تلگرام شدهاند.
گزارشهای جدید نشان میدهد کانالهای متعددی با استخراج تصاویر حسابهای کاربری، ضمن هتک حرمت افراد، درخواست واریز رمزارز میکنند. نیروهای انتظامی تاکنون چندین مدیر مرتبط با این پروندهها را دستگیر کردهاند.
کارشناسان هشدار میدهند که در صورت مواجهه با چنین مواردی هرگز باجخواهی دیجیتال را نپذیرید
برای خواهران و برادران خودتان هم شده اگر چنین صفحات مجازی میبینید ریپورت کنید تا حذف شوند زنجیره امنیت و خاطر خانواده خودتان هم شده را با اعتماد به یک دیگر رقم بزنید و فضای زندگی رو اسایش را برای هم رقم بزنید. از عضویت در این کانالها خودداری کنید ممکن هست روزی اطلاعات فیک شما دستخوش بازی این کانالها قرار بگیره پس لطفا مراقبت از خود خواهر، برادر، مادر، پدر فرزندانتون رو جدی بگیرید خانواده پناهگاه آدم هست دیگران ناامنش نکنند.
گزارشهای جدید نشان میدهد کانالهای متعددی با استخراج تصاویر حسابهای کاربری، ضمن هتک حرمت افراد، درخواست واریز رمزارز میکنند. نیروهای انتظامی تاکنون چندین مدیر مرتبط با این پروندهها را دستگیر کردهاند.
کارشناسان هشدار میدهند که در صورت مواجهه با چنین مواردی هرگز باجخواهی دیجیتال را نپذیرید
برای خواهران و برادران خودتان هم شده اگر چنین صفحات مجازی میبینید ریپورت کنید تا حذف شوند زنجیره امنیت و خاطر خانواده خودتان هم شده را با اعتماد به یک دیگر رقم بزنید و فضای زندگی رو اسایش را برای هم رقم بزنید. از عضویت در این کانالها خودداری کنید ممکن هست روزی اطلاعات فیک شما دستخوش بازی این کانالها قرار بگیره پس لطفا مراقبت از خود خواهر، برادر، مادر، پدر فرزندانتون رو جدی بگیرید خانواده پناهگاه آدم هست دیگران ناامنش نکنند.
فیلم از پیج زومیت
👍8❤3🍓1🆒1
DeepMind AI Expert
برای امروز به حجم 200 گیگ vpn فقط به تعداد محدود برای شرایط عادی فقط 320 تومن برای تهیه بهم پیام بدید @Farzadh1h
برای امروز شارژ مجدد فیلترشکن به حجم 200 گیگ vpn فقط به تعداد محدود برای شرایط عادی فقط ۴۰۰ تومن برای تهیه بهم پیام بدید
@Farzadh1h
@Farzadh1h