This media is not supported in your browser
VIEW IN TELEGRAM
🚀 Perplexity PC برای ویندوز: یک سیستمعامل هوش مصنوعی؟
Perplexity ابزار جدید خود به نام «Personal Computer» (PC) را برای ویندوز عرضه کرده است. این ابزار بر روی دستگاه شما اجرا شده و با اپلیکیشنها، فایلها، مرورگر و وبسایتهای مورد استفاده شما هماهنگ میشود و به عنوان یک «کارمند هوش مصنوعی» عمل میکند که قادر به اجرای اهداف تعیین شده، کنترل فایلها و ابزارهای کاری مانند اکسل و اوتلوک است. این نسخه پس از عرضه برای مک، اکنون در دسترس کاربران ویندوز قرار گرفته است.
Perplexity ابزار جدید خود به نام «Personal Computer» (PC) را برای ویندوز عرضه کرده است. این ابزار بر روی دستگاه شما اجرا شده و با اپلیکیشنها، فایلها، مرورگر و وبسایتهای مورد استفاده شما هماهنگ میشود و به عنوان یک «کارمند هوش مصنوعی» عمل میکند که قادر به اجرای اهداف تعیین شده، کنترل فایلها و ابزارهای کاری مانند اکسل و اوتلوک است. این نسخه پس از عرضه برای مک، اکنون در دسترس کاربران ویندوز قرار گرفته است.
🔹 امنیت دادهها: اجرای کاملاً محلی (Local) ابزار، امنیت اطلاعات کاربران را تضمین میکند.
🔸 قابلیتهای اجرایی: Perplexity PC با دریافت اهداف (Objectives)، قادر به اجرای خودکار وظایف و کنترل ابزارهای مختلف سیستمی است.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 معرفی Microsoft Scout
🚀 Microsoft Scout یک عامل هوشمند همیشهفعال است که بدون نیاز به درخواستکردن مکرر، کارها را در Teams، Outlook، OneDrive و سایر خدمات Microsoft 365 پیش میبرد. این اولین Autopilot agent (عامل خودکار مسیرپیمایی) مایکروسافت است و با رعایت محدودیتهای سازمانی، اقدامات مورد نیاز را بهصورت خودکار انجام میدهد.
🔗 Microsoft Scout
#معرفی #Microsoft
🚀 Microsoft Scout یک عامل هوشمند همیشهفعال است که بدون نیاز به درخواستکردن مکرر، کارها را در Teams، Outlook، OneDrive و سایر خدمات Microsoft 365 پیش میبرد. این اولین Autopilot agent (عامل خودکار مسیرپیمایی) مایکروسافت است و با رعایت محدودیتهای سازمانی، اقدامات مورد نیاز را بهصورت خودکار انجام میدهد.
🔹 قابلیتها: تعامل همزمان با چندین اپلیکیشن، واکنش سریع به رویدادها، و تنظیمپذیری طبق سیاستهای امنیتی.
🔸 مزیتها: کاهش بار کاری کاربران، افزایش بهرهوری، و تسهیل خودکارسازی فرآیندهای روزانه.
🔗 Microsoft Scout
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#معرفی #Microsoft
🛡️ دسترسی محدود به مدل دفاع سایبری قدرتمند Anthropic
شرکت Anthropic دسترسی گروهی منتخب از سازمانها به یکی از قدرتمندترین مدلهای هوش مصنوعی دفاع سایبری را گسترش میدهد. این مدل که Claude Mythos نام دارد، اکنون در اختیار حدود ۲۰۰ سازمان معتبر در بخشهای حیاتی مانند بهداشت، انرژی، آب، ارتباطات، دولتی، غیرانتفاعی و پروژههای نرمافزاری بزرگ قرار میگیرد.
🔗 Claude Mythos Preview Expansion
#خبر #Claude
شرکت Anthropic دسترسی گروهی منتخب از سازمانها به یکی از قدرتمندترین مدلهای هوش مصنوعی دفاع سایبری را گسترش میدهد. این مدل که Claude Mythos نام دارد، اکنون در اختیار حدود ۲۰۰ سازمان معتبر در بخشهای حیاتی مانند بهداشت، انرژی، آب، ارتباطات، دولتی، غیرانتفاعی و پروژههای نرمافزاری بزرگ قرار میگیرد.
🔹 سازمانهای جدید: این گسترش شامل سازمانهایی چون ناتو، گروه فناوری اوکتا (Okta)، آژانس امنیت سایبری اتحادیه اروپا (ENISA) و شرکتهای کرهای سامسونگ، SK Hynix و SK Telecom میشود.
🔗 Claude Mythos Preview Expansion
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #Claude
📚 مجموعه رایگان دورههای یادگیری ماشین و هوش مصنوعی
مخزن ML-Course-Notes مجموعهای منسجم از یادداشتهای دورههای یادگیری ماشین، پردازش زبان طبیعی (NLP) و هوش مصنوعی است که حول دورههای کامل و دانشگاهی سازماندهی شده، نه صرفاً ویدیوهای تکی.
🧠 این مخزن شامل دورههایی از Machine Learning Specialization، MIT 6.S191، CMU Neural Nets for NLP، CS224N و CS25 است. جدولی جامع از لکچرها، توضیحات، ویدیوها، یادداشتها و نویسندگان در آن ارائه شده.
🗺 به جای جمعآوری صدها لینک پراکنده، نقشهای دورهای طراحی شده که یادگیرندگان بتوانند بهصورت نظاممند مطالب را طی کنند و پس از چند روز مطالعه سردرگم نشوند.
🔗 لینکهای اصلی لکچرها و یادداشتهای همراه در مخزن موجود است. همچنین نشانههای WIP (کار در حال انجام) برای مواد ناتمام و دستورالعملهایی برای مشارکتکنندگان جهت بهبود یادداشتها قرار گرفته است.
🔗 ML-Course-Notes
#آموزش #NLP
مخزن ML-Course-Notes مجموعهای منسجم از یادداشتهای دورههای یادگیری ماشین، پردازش زبان طبیعی (NLP) و هوش مصنوعی است که حول دورههای کامل و دانشگاهی سازماندهی شده، نه صرفاً ویدیوهای تکی.
🧠 این مخزن شامل دورههایی از Machine Learning Specialization، MIT 6.S191، CMU Neural Nets for NLP، CS224N و CS25 است. جدولی جامع از لکچرها، توضیحات، ویدیوها، یادداشتها و نویسندگان در آن ارائه شده.
🗺 به جای جمعآوری صدها لینک پراکنده، نقشهای دورهای طراحی شده که یادگیرندگان بتوانند بهصورت نظاممند مطالب را طی کنند و پس از چند روز مطالعه سردرگم نشوند.
🔗 لینکهای اصلی لکچرها و یادداشتهای همراه در مخزن موجود است. همچنین نشانههای WIP (کار در حال انجام) برای مواد ناتمام و دستورالعملهایی برای مشارکتکنندگان جهت بهبود یادداشتها قرار گرفته است.
🔗 ML-Course-Notes
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#آموزش #NLP
🔍 مطالعات موردی LangChain از شرکتهای بزرگ
بلاگ LangChain (فریمورک ساخت اپلیکیشنهای مبتنی بر LLM) بخش اختصاصی برای مطالعات موردی دارد که تجربه شرکتهای بزرگ مثل Cisco را در پیادهسازی پروژههای مبتنی بر LangChain مستند کرده است. این منبع برای الهامگرفتن از الگوهای واقعی و یادگیری بهترین شیوهها بسیار کاربردی است.
🔗 مطالعات موردی LangChain
#مقاله #LangChain
بلاگ LangChain (فریمورک ساخت اپلیکیشنهای مبتنی بر LLM) بخش اختصاصی برای مطالعات موردی دارد که تجربه شرکتهای بزرگ مثل Cisco را در پیادهسازی پروژههای مبتنی بر LangChain مستند کرده است. این منبع برای الهامگرفتن از الگوهای واقعی و یادگیری بهترین شیوهها بسیار کاربردی است.
🔹 شرکتهای بزرگ: تجربه پیادهسازی واقعی شرکتهایی مثل Cisco مستند شده
🔸 الگوهای عملی: راهحلها و معماریهای استفادهشده در پروژههای واقعی قابل بررسی است
🔹 یادگیری تجربی: منبع مناسب برای درک چالشها و راهحلهای عملی در پروژههای LLM
🔗 مطالعات موردی LangChain
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#مقاله #LangChain
🤖 پیشبینی ری دالیو: ترکیدن حباب هوش مصنوعی
سرمایهگذار مشهور، ری دالیو، پیشبینی کرده است که حباب هوش مصنوعی (AI) مانند سایر تحولات بزرگ فناوری، در نهایت خواهد ترکید. او معتقد است که این اتفاق زمانی رخ میدهد که ثروت کاغذی سرمایهگذاران به پول نقد تبدیل شود، که منجر به سقوط ارزش سهام استارتآپهای هوش مصنوعی خواهد شد.
💡 دالیو اشاره کرده است که اگرچه هوش مصنوعی پتانسیل تغییر جهان را دارد، اما مدلهای اقتصادی فعلی برای بسیاری از استارتآپها کارآمد نیستند. او بیان داشته که شرکتها در حال حاضر حدود ۸ برابر بیشتر از درآمدشان هزینه میکنند و برای توجیه سرمایهگذاریهای فعلی، صنعت هوش مصنوعی باید تا سال ۲۰۳۰ به درآمد سالانه ۲ تریلیون دلار دست یابد، هدفی که فعلاً دور از دسترس به نظر میرسد.
#خبر #AI
سرمایهگذار مشهور، ری دالیو، پیشبینی کرده است که حباب هوش مصنوعی (AI) مانند سایر تحولات بزرگ فناوری، در نهایت خواهد ترکید. او معتقد است که این اتفاق زمانی رخ میدهد که ثروت کاغذی سرمایهگذاران به پول نقد تبدیل شود، که منجر به سقوط ارزش سهام استارتآپهای هوش مصنوعی خواهد شد.
💡 دالیو اشاره کرده است که اگرچه هوش مصنوعی پتانسیل تغییر جهان را دارد، اما مدلهای اقتصادی فعلی برای بسیاری از استارتآپها کارآمد نیستند. او بیان داشته که شرکتها در حال حاضر حدود ۸ برابر بیشتر از درآمدشان هزینه میکنند و برای توجیه سرمایهگذاریهای فعلی، صنعت هوش مصنوعی باید تا سال ۲۰۳۰ به درآمد سالانه ۲ تریلیون دلار دست یابد، هدفی که فعلاً دور از دسترس به نظر میرسد.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #AI
🤖 مدل Gemma 4 12B گوگل برای اجرای آفلاین روی لپتاپ
گوگل مدل Gemma 4 12B را با مجوز آپاچی ۲.منتشر کرد. این مدل چندوجهی (multimodal) و بدون انکودر جداگانه، با تنها ۱۲ میلیارد پارامتر قابلیت اجرا روی لپتاپهای ۱۶ گیگابایتی را دارد و نیازی به اینترنت نیست.
🔗 Google Gemma
#خبر #Gemma
گوگل مدل Gemma 4 12B را با مجوز آپاچی ۲.منتشر کرد. این مدل چندوجهی (multimodal) و بدون انکودر جداگانه، با تنها ۱۲ میلیارد پارامتر قابلیت اجرا روی لپتاپهای ۱۶ گیگابایتی را دارد و نیازی به اینترنت نیست.
🔹 مجوز آزاد: تحت لایسنس Apache 2.0 منتشر شده و قابل استفاده تجاری است
🔸 معماری یکپارچه: مدل encoder-free است یعنی نیازی به انکودر مجزا برای پردازش تصویر و متن ندارد
🔹 عملکرد محلی: با تنها ۱۶ گیگابایت رم روی لپتاپ قابل اجراست
🔗 Google Gemma
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #Gemma
🤖 ساخت سیستم هوش مصنوعی بصورت رایگان
💡 در سال 2026، ساخت یک سیستم هوش مصنوعی در سطح پروداکشن بدون نیاز به صرف هزینه امکانپذیر است. این امر با استفاده از مجموعهای از ابزارها و فریمورکهای متنباز و رایگان محقق میشود.
🚀 معماری پیشنهادی شامل مدلهای زبان بزرگ (LLM) مانند Gemma 4 یا Llama 3.3 که به صورت محلی با Ollama اجرا میشوند، ابزارهای ارکستراسیون مانند LangGraph یا CrewAI، و سیستمهای بازیابی افزوده (RAG) با LlamaIndex و ChromaDB یا Qdrant است. لایه ابزار با پروتکل MCP، ایجنتهای کدنویسی با Claude Code CLI یا Aider، و فرانتاند با Next.js و Vercel یا Streamlit پشتیبانی میشوند. دادهها با SQLite یا DuckDB مدیریت شده، و ابزارهای مشاهدهپذیری مانند Langfuse یا Phoenix به صورت خودمیزبانی (self-hosted) استفاده میشوند.
#ابزار #LangGraph
💡 در سال 2026، ساخت یک سیستم هوش مصنوعی در سطح پروداکشن بدون نیاز به صرف هزینه امکانپذیر است. این امر با استفاده از مجموعهای از ابزارها و فریمورکهای متنباز و رایگان محقق میشود.
🚀 معماری پیشنهادی شامل مدلهای زبان بزرگ (LLM) مانند Gemma 4 یا Llama 3.3 که به صورت محلی با Ollama اجرا میشوند، ابزارهای ارکستراسیون مانند LangGraph یا CrewAI، و سیستمهای بازیابی افزوده (RAG) با LlamaIndex و ChromaDB یا Qdrant است. لایه ابزار با پروتکل MCP، ایجنتهای کدنویسی با Claude Code CLI یا Aider، و فرانتاند با Next.js و Vercel یا Streamlit پشتیبانی میشوند. دادهها با SQLite یا DuckDB مدیریت شده، و ابزارهای مشاهدهپذیری مانند Langfuse یا Phoenix به صورت خودمیزبانی (self-hosted) استفاده میشوند.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#ابزار #LangGraph
❤4
This media is not supported in your browser
VIEW IN TELEGRAM
🚀 اجرای Gemma 4 12B روی تنها 6 گیگابایت VRAM
تیم Unsloth AI مدل Gemma 4 12B را به شکلی فوقالعاده بهینهسازی کرده که با تنها حدود ۶ گیگابایت VRAM قابل اجراست. نسخه 2-bit GGUF این مدل فقط ۴.۶۶ گیگابایت فضای دیسک اشغال میکند و حتی از یک پرامپت واحد توانایی ارجاع به ۱۵ سایت مختلف را دارد.
⚡️ این مدل قابلیتهای گستردهای شامل reasoning (استدلال)، multimodalities (پردازش چندرسانهای)، context window ۱۲۸ هزار توکنی، کدنویسی و ساخت agents (عاملهای هوشمند) و همچنین native system prompting (پرامپتسازی سیستمی بومی) را ارائه میدهد.
💻 اجرای محلی این مدل از طریق Unsloth Studio (محیط توسعه اختصاصی این تیم) روی سیستمهایی با بیش از ۶ گیگابایت RAM امکانپذیر است.
🔗 مخزن GitHub Unsloth
تیم Unsloth AI مدل Gemma 4 12B را به شکلی فوقالعاده بهینهسازی کرده که با تنها حدود ۶ گیگابایت VRAM قابل اجراست. نسخه 2-bit GGUF این مدل فقط ۴.۶۶ گیگابایت فضای دیسک اشغال میکند و حتی از یک پرامپت واحد توانایی ارجاع به ۱۵ سایت مختلف را دارد.
⚡️ این مدل قابلیتهای گستردهای شامل reasoning (استدلال)، multimodalities (پردازش چندرسانهای)، context window ۱۲۸ هزار توکنی، کدنویسی و ساخت agents (عاملهای هوشمند) و همچنین native system prompting (پرامپتسازی سیستمی بومی) را ارائه میدهد.
💻 اجرای محلی این مدل از طریق Unsloth Studio (محیط توسعه اختصاصی این تیم) روی سیستمهایی با بیش از ۶ گیگابایت RAM امکانپذیر است.
🔗 مخزن GitHub Unsloth
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
❤2
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 نمورتور 3 Ultra برای وظایف طولانی‑مدت
🚀 نمورتور 3 Ultra (مدل متنباز NVIDIA) برای زنجیرههای طولانی عاملمحور طراحی شده؛ تمرکز بر برنامهریزی چندمرحلهای، فراخوانی ابزارها، کدنویسی و جستوجوی اسناد.
⚡ در مقایسه با مدلهای قبلی، سرعت inference تا 5× بالا و هزینه اجرای وظایف عاملی تا 30٪ کاهش مییابد، که برای برنامههای تولیدی با صدها گام اهمیت حیاتی دارد.
🔐 مدل متنباز امکان fine‑tuning روی دامنه خاص و اجرا در زیرساختهای داخلی را فراهم میکند، بدینسان سازمانها میتوانند وزنها را کنترل و هزینه کل زنجیره کاری را بهدقت ارزیابی کنند.
🔗 NVIDIA Blog
#خبر #Nvidia
🚀 نمورتور 3 Ultra (مدل متنباز NVIDIA) برای زنجیرههای طولانی عاملمحور طراحی شده؛ تمرکز بر برنامهریزی چندمرحلهای، فراخوانی ابزارها، کدنویسی و جستوجوی اسناد.
⚡ در مقایسه با مدلهای قبلی، سرعت inference تا 5× بالا و هزینه اجرای وظایف عاملی تا 30٪ کاهش مییابد، که برای برنامههای تولیدی با صدها گام اهمیت حیاتی دارد.
🔐 مدل متنباز امکان fine‑tuning روی دامنه خاص و اجرا در زیرساختهای داخلی را فراهم میکند، بدینسان سازمانها میتوانند وزنها را کنترل و هزینه کل زنجیره کاری را بهدقت ارزیابی کنند.
🔗 NVIDIA Blog
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #Nvidia
❤1
Media is too big
VIEW IN TELEGRAM
🖼️ Reve 2.0: سریعترین مدل تولید تصویر 4K جهان
Reve 2.0 مدلی جدید برای تولید تصاویر با وضوح 4K (16 مگاپیکسل) است که ادعا میشود سریعترین در جهان در این رزولوشن محسوب میشود. تصاویر تولید شده بلافاصله آماده چاپ هستند و نیازی به Upscaling (افزایش وضوح) ندارند. این مدل در دو مرحله عمل میکند: ابتدا یک مدل Autoregressive (مدل خودرگرسیو که توالی دادهها را پیشبینی میکند) کد توصیفکننده ترکیببندی، اشیاء، سبک و متن را تولید میکند، سپس یک مدل Diffusion (مدل انتشاری که با افزودن و حذف تدریجی نویز، تصویر را میسازد) تصویر نهایی را رندر میکند.
🏆 این مدل در رقابت Image Arena با کسب 1280 امتیاز در جایگاه دوم قرار گرفت و تنها از GPT Image 2 شکست خورد و Gemini 3.1 Flash (Nano Banana 2) را پشت سر گذاشت.
#معرفی #AgentAI
Reve 2.0 مدلی جدید برای تولید تصاویر با وضوح 4K (16 مگاپیکسل) است که ادعا میشود سریعترین در جهان در این رزولوشن محسوب میشود. تصاویر تولید شده بلافاصله آماده چاپ هستند و نیازی به Upscaling (افزایش وضوح) ندارند. این مدل در دو مرحله عمل میکند: ابتدا یک مدل Autoregressive (مدل خودرگرسیو که توالی دادهها را پیشبینی میکند) کد توصیفکننده ترکیببندی، اشیاء، سبک و متن را تولید میکند، سپس یک مدل Diffusion (مدل انتشاری که با افزودن و حذف تدریجی نویز، تصویر را میسازد) تصویر نهایی را رندر میکند.
🏆 این مدل در رقابت Image Arena با کسب 1280 امتیاز در جایگاه دوم قرار گرفت و تنها از GPT Image 2 شکست خورد و Gemini 3.1 Flash (Nano Banana 2) را پشت سر گذاشت.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#معرفی #AgentAI
🚀 ظهور DeepSeek به عنوان رقیب ارزانتر OpenAI
شرکتهای آمریکایی به طور فزایندهای در حال بررسی و استفاده از مدلهای هوش مصنوعی مانند DeepSeek هستند که جایگزینهای مقرونبهصرفهتری نسبت به OpenAI و Anthropic ارائه میدهند. با انتقال هوش مصنوعی از مراحل آزمایشی به فرآیندهای روزمره، هزینه پردازش توکنها (واحدی از متن که مدلها پردازش میکنند) به یک عامل مهم در بودجه شرکتها تبدیل شده است.
💡 این روند به ویژه در وظایف مبتنی بر عامل (agentic tasks) مشهود است، جایی که یک درخواست کاربر میتواند منجر به دهها فراخوانی مدل، جستجو، استفاده از ابزارها، و پردازش متن طولانی شود.
#خبر #DeepSeek
شرکتهای آمریکایی به طور فزایندهای در حال بررسی و استفاده از مدلهای هوش مصنوعی مانند DeepSeek هستند که جایگزینهای مقرونبهصرفهتری نسبت به OpenAI و Anthropic ارائه میدهند. با انتقال هوش مصنوعی از مراحل آزمایشی به فرآیندهای روزمره، هزینه پردازش توکنها (واحدی از متن که مدلها پردازش میکنند) به یک عامل مهم در بودجه شرکتها تبدیل شده است.
💡 این روند به ویژه در وظایف مبتنی بر عامل (agentic tasks) مشهود است، جایی که یک درخواست کاربر میتواند منجر به دهها فراخوانی مدل، جستجو، استفاده از ابزارها، و پردازش متن طولانی شود.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #DeepSeek
💡 مدل GPT-4 قابلیت "Dreaming" را دریافت کرد
مدل GPT-4 اکنون قابلیت "Dreaming" را برای بهروزرسانی حافظه خود در پسزمینه اضافه کرده است. این ویژگی به جای لیست ثابتی از حقایق، به طور مداوم تاریخچه چتها را بررسی کرده و وضعیت حافظه فعلی را ترکیب میکند تا اطلاعات بهروز بماند.
🚀 این قابلیت به مدل اجازه میدهد تا جزئیات مربوط به تعاملات کاربر را بهطور خودکار بهروز کند؛ برای مثال، اگر کاربری قصد سفر به سنگاپور را داشته باشد، پس از سفر، حافظه مدل از "کاربر به سنگاپور میرود" به "کاربر در ژوئیه ۲۰۲۵ در سنگاپور بود" تغییر میکند.
💰 OpenAI این ویژگی را پس از کاهش حدود ۵ برابری هزینههای محاسباتی آن توسعه داده است. این قابلیت در حال حاضر برای کاربران Plus و Pro در ایالات متحده در دسترس است و بهزودی برای سایر مناطق و سطوح اشتراک عرضه خواهد شد.
#خبر #OpenAI
مدل GPT-4 اکنون قابلیت "Dreaming" را برای بهروزرسانی حافظه خود در پسزمینه اضافه کرده است. این ویژگی به جای لیست ثابتی از حقایق، به طور مداوم تاریخچه چتها را بررسی کرده و وضعیت حافظه فعلی را ترکیب میکند تا اطلاعات بهروز بماند.
🚀 این قابلیت به مدل اجازه میدهد تا جزئیات مربوط به تعاملات کاربر را بهطور خودکار بهروز کند؛ برای مثال، اگر کاربری قصد سفر به سنگاپور را داشته باشد، پس از سفر، حافظه مدل از "کاربر به سنگاپور میرود" به "کاربر در ژوئیه ۲۰۲۵ در سنگاپور بود" تغییر میکند.
💰 OpenAI این ویژگی را پس از کاهش حدود ۵ برابری هزینههای محاسباتی آن توسعه داده است. این قابلیت در حال حاضر برای کاربران Plus و Pro در ایالات متحده در دسترس است و بهزودی برای سایر مناطق و سطوح اشتراک عرضه خواهد شد.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #OpenAI
🤖 رباتهای هوش مصنوعی از انسانها در اینترنت پیشی گرفتند
دادههای جدید منتشر شده توسط مدیرعامل Cloudflare نشان میدهد که ترافیک اینترنتی تولید شده توسط رباتها و عوامل هوش مصنوعی برای اولین بار از ترافیک انسانی فراتر رفته است. این تحول نشاندهنده تغییر قابل توجهی در نحوه تعامل با فضای آنلاین است.
🔗 راهنمای رباتها
#خبر #AgentAI
دادههای جدید منتشر شده توسط مدیرعامل Cloudflare نشان میدهد که ترافیک اینترنتی تولید شده توسط رباتها و عوامل هوش مصنوعی برای اولین بار از ترافیک انسانی فراتر رفته است. این تحول نشاندهنده تغییر قابل توجهی در نحوه تعامل با فضای آنلاین است.
🔹 روند افزایشی: این دادهها حاکی از رشد چشمگیر استفاده از هوش مصنوعی در اینترنت است.
🔸 تأثیرات آتی: پیشبینی میشود این روند بر امنیت سایبری و تجربه کاربری تأثیر بگذارد.
🔗 راهنمای رباتها
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #AgentAI
🚀 پیشرفت Anthropic در بهبود خودکار هوش مصنوعی
شرکت Anthropic در مسیر دستیابی به توانایی بهبود خودکار هوش مصنوعی (recursive self-improvement) گامهای بلندی برداشته است، به طوری که سیستمها قادر به توسعه نسلهای بعدی خود به صورت مستقل هستند. این پیشرفتها منجر به افزایش چشمگیر بهرهوری و سرعت توسعه شده است.
#مقاله #Claude
شرکت Anthropic در مسیر دستیابی به توانایی بهبود خودکار هوش مصنوعی (recursive self-improvement) گامهای بلندی برداشته است، به طوری که سیستمها قادر به توسعه نسلهای بعدی خود به صورت مستقل هستند. این پیشرفتها منجر به افزایش چشمگیر بهرهوری و سرعت توسعه شده است.
💡 مهندسان کدنویسی با استفاده از ابزارهای Anthropic، هشت برابر بیشتر از دوره ۲۰۲۱ تا ۲۰۲۵ کد تولید میکنند.
💡 زمان تکمیل وظایف توسط هوش مصنوعی هر چهار ماه دو برابر شده و از وظایف ۴ دقیقهای به پروژههای ۱۲ ساعته گسترش یافته است.
💡 تا ماه مه ۲۰۲۶، ۸۰٪ کدهای ادغام شده توسط Claude تولید شده که کیفیت آن با کارهای انسانی برابری میکند.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#مقاله #Claude
🤖 معرفی نموترون ۳ اولترا: مدل ۵۵۰ میلیارد پارامتری انویدیا برای ایجنتهای بلندمدت
انویدیا مدل Nemotron 3 Ultra را منتشر کرد؛ یک مدل باز ترکیب متخصصان (MoE) با ۵۵۰ میلیارد پارامتر (۵۵ میلیارد فعال بهازای هر توکن) که برای ایجنتهای بلندمدت طراحی شده.
🏗 معماری: ترکیب هیبریدی Mamba-Attention MoE (نه ترنسفورمر خالص) با ۱۰۸ لایه، ۵۱۲ متخصص در هر لایه و مسیریابی top-22. معماری Mamba هزینه دیکد را با رشد کانتکست ثابت نگه میدارد و پنجره کانتکست به ۱ میلیون توکن میرسد.
⚡️ کارایی: توان عملیاتی ۵.۹ برابر بیشتر از GLM-5.1 و هزینه حدود ۳۰٪ کمتر تا تکمیل وظیفه. حالت تلاش متوسط با ۲.۵ برابر توکن کمتر و افت دقت تنها ۷٪.
#خبر #Nvidia
انویدیا مدل Nemotron 3 Ultra را منتشر کرد؛ یک مدل باز ترکیب متخصصان (MoE) با ۵۵۰ میلیارد پارامتر (۵۵ میلیارد فعال بهازای هر توکن) که برای ایجنتهای بلندمدت طراحی شده.
🏗 معماری: ترکیب هیبریدی Mamba-Attention MoE (نه ترنسفورمر خالص) با ۱۰۸ لایه، ۵۱۲ متخصص در هر لایه و مسیریابی top-22. معماری Mamba هزینه دیکد را با رشد کانتکست ثابت نگه میدارد و پنجره کانتکست به ۱ میلیون توکن میرسد.
⚡️ کارایی: توان عملیاتی ۵.۹ برابر بیشتر از GLM-5.1 و هزینه حدود ۳۰٪ کمتر تا تکمیل وظیفه. حالت تلاش متوسط با ۲.۵ برابر توکن کمتر و افت دقت تنها ۷٪.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #Nvidia
Media is too big
VIEW IN TELEGRAM
🤖 دستیار هوش مصنوعی در خرید روزانه
🚀 دستیار هوش مصنوعی جدیدی به نام "Go" توسط Gopuff و با همکاری SpaceXAI راهاندازی شده است که وظیفه خرید روزانه شما را بر عهده میگیرد. با بیان نیاز خود، این دستیار تمام مراحل خرید را مدیریت میکند.
#معرفی #AgentAI
🚀 دستیار هوش مصنوعی جدیدی به نام "Go" توسط Gopuff و با همکاری SpaceXAI راهاندازی شده است که وظیفه خرید روزانه شما را بر عهده میگیرد. با بیان نیاز خود، این دستیار تمام مراحل خرید را مدیریت میکند.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#معرفی #AgentAI