🤖 معرفی SWE-Marathon: چالشهای مهندسی نرمافزار برای هوش مصنوعی
✨ یک بنچمارک جدید به نام SWE-Marathon معرفی شده که شامل ۲۰ وظیفه چالشبرانگیز و طولانی در حوزه مهندسی نرمافزار است. این وظایف فراتر از پیادهسازی یک ویژگی ساده بوده و نیازمند اجرای پروژههای کامل هستند که برخی از آنها صدها ساعت کار انسانی را میطلبند. هدف اصلی این بنچمارک، ارزیابی توانایی مدلهای هوش مصنوعی در انجام پروژههای نرمافزاری پیچیده و جلوگیری از راههای میانبر یا فریب سیستم ارزیابی است.
🔗 لینکهای اصلی پست:
🔗 swe-marathon.org
🔗 مخزن GitHub
#مقاله #Gemini
✨ یک بنچمارک جدید به نام SWE-Marathon معرفی شده که شامل ۲۰ وظیفه چالشبرانگیز و طولانی در حوزه مهندسی نرمافزار است. این وظایف فراتر از پیادهسازی یک ویژگی ساده بوده و نیازمند اجرای پروژههای کامل هستند که برخی از آنها صدها ساعت کار انسانی را میطلبند. هدف اصلی این بنچمارک، ارزیابی توانایی مدلهای هوش مصنوعی در انجام پروژههای نرمافزاری پیچیده و جلوگیری از راههای میانبر یا فریب سیستم ارزیابی است.
🔗 لینکهای اصلی پست:
🔗 swe-marathon.org
🔗 مخزن GitHub
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#مقاله #Gemini
🤖 LEAP: هوش مصنوعی گوگل برای حل مسائل المپیاد ریاضی
گوگل سیستمی به نام LEAP معرفی کرده که به مدلهای زبانی بزرگ (LLM) امکان میدهد تا اثباتهای رسمی و قابل تأیید توسط ماشین در زبان Lean ارائه دهند. این سیستم برخلاف مدلهای تخصصی، با شکستن مسئله به اجزای کوچکتر و استفاده از بازخورد کامپایلر، اثباتهای پیچیده ریاضی را تولید میکند. 🌟
LEAP موفق شد تمام ۱۲ مسئله المپیاد ریاضی Putnam 2025 را حل کند، در حالی که مدلهای دیگر مانند Gemini 3.1 Pro و Goedel-Prover-V2 هیچکدام را حل نکردند. 🏆 سیستم Aristotle که در المپیاد IMO 2025 نتایج خوبی کسب کرده بود، در تستهای LEAP تنها ۹ مسئله را حل کرد.
#مقاله #Google
گوگل سیستمی به نام LEAP معرفی کرده که به مدلهای زبانی بزرگ (LLM) امکان میدهد تا اثباتهای رسمی و قابل تأیید توسط ماشین در زبان Lean ارائه دهند. این سیستم برخلاف مدلهای تخصصی، با شکستن مسئله به اجزای کوچکتر و استفاده از بازخورد کامپایلر، اثباتهای پیچیده ریاضی را تولید میکند. 🌟
LEAP موفق شد تمام ۱۲ مسئله المپیاد ریاضی Putnam 2025 را حل کند، در حالی که مدلهای دیگر مانند Gemini 3.1 Pro و Goedel-Prover-V2 هیچکدام را حل نکردند. 🏆 سیستم Aristotle که در المپیاد IMO 2025 نتایج خوبی کسب کرده بود، در تستهای LEAP تنها ۹ مسئله را حل کرد.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#مقاله #Google
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 مایکروسافت اسکاوت: دستیار هوشمند همیشه فعال
مایکروسافت از محصول جدیدی به نام Microsoft Scout رونمایی کرده است که در دستهبندی جدیدی به نام Autopilots قرار میگیرد. این دستیار هوشمند بهطور مداوم و مستقل عمل کرده و از طرف شما وظایف را انجام میدهد، بدون نیاز به دستورالعملهای مکرر. اسکاوت با دسترسی به ایمیلها، چتها، تقویم و فایلهای شما در پلتفرمهای Microsoft 365 مانند Teams، Outlook، OneDrive و SharePoint، قادر به زمانبندی جلسات، آمادهسازی اسناد، پیگیری مهلتها، رزرو وقت در تقویم و شناسایی وظایف متوقفشده است. این سیستم با گذشت زمان، نحوه کار شما را یاد گرفته و با جریان کاریتان سازگار میشود.
مایکروسافت از محصول جدیدی به نام Microsoft Scout رونمایی کرده است که در دستهبندی جدیدی به نام Autopilots قرار میگیرد. این دستیار هوشمند بهطور مداوم و مستقل عمل کرده و از طرف شما وظایف را انجام میدهد، بدون نیاز به دستورالعملهای مکرر. اسکاوت با دسترسی به ایمیلها، چتها، تقویم و فایلهای شما در پلتفرمهای Microsoft 365 مانند Teams، Outlook، OneDrive و SharePoint، قادر به زمانبندی جلسات، آمادهسازی اسناد، پیگیری مهلتها، رزرو وقت در تقویم و شناسایی وظایف متوقفشده است. این سیستم با گذشت زمان، نحوه کار شما را یاد گرفته و با جریان کاریتان سازگار میشود.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
❤1
Agentic_Design_Patterns.pdf
19.2 MB
📚 الگوهای طراحی عاملمحور (Agentic) از مهندس ارشد گوگل
#مقاله #AgentAI
یک سند رایگان و جامع ۴۲۱ صفحهای با عنوان Agentic Design Patterns توسط یک مهندس ارشد گوگل منتشر شده است. این منبع ارزشمند، بدون هیچگونه تبلیغ پنهان، به بررسی عمیق ساختارهای عاملمحور در هوش مصنوعی میپردازد و راهنمایی عملی برای توسعهدهندگان ارائه میدهد.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#مقاله #AgentAI
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 سیری جدید اپل با هوش مصنوعی گوگل
اپل در رویداد WWDC 2026، بهروزرسانی بزرگ سیری را معرفی کرد که از مدلهای Gemini گوگل بهره میبرد. این نسخه جدید، سیری را به یک چتبات با قابلیتهای پیشرفته تبدیل میکند و حتی یک اپلیکیشن اختصاصی برای آن در نظر گرفته شده است. سیری جدید به طور کامل به دادههای کاربر در اکوسیستم اپل، شامل ایمیلها، تقویم، عکسها (با قابلیت جستجوی متنی)، و یادداشتها دسترسی خواهد داشت. همچنین، پشتیبانی از دوربین برای تعاملات هوشمندتر اضافه شده است.
💡 این سیستم قادر به انجام وظایف پیچیده چندمرحلهای است و به صورت نیتیو (ذاتی) مولتیمدال (چندرسانهای) خواهد بود.
🔗 Google Gemini
#خبر #Gemini
اپل در رویداد WWDC 2026، بهروزرسانی بزرگ سیری را معرفی کرد که از مدلهای Gemini گوگل بهره میبرد. این نسخه جدید، سیری را به یک چتبات با قابلیتهای پیشرفته تبدیل میکند و حتی یک اپلیکیشن اختصاصی برای آن در نظر گرفته شده است. سیری جدید به طور کامل به دادههای کاربر در اکوسیستم اپل، شامل ایمیلها، تقویم، عکسها (با قابلیت جستجوی متنی)، و یادداشتها دسترسی خواهد داشت. همچنین، پشتیبانی از دوربین برای تعاملات هوشمندتر اضافه شده است.
💡 این سیستم قادر به انجام وظایف پیچیده چندمرحلهای است و به صورت نیتیو (ذاتی) مولتیمدال (چندرسانهای) خواهد بود.
🔗 Google Gemini
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #Gemini
🛠️ CodeWiki – مستندات خودکار برای کد
CodeWiki با استفاده از هوش مصنوعی، بهصورت خودکار مستندات متنی و نمودارهای معماری برای پروژههای کد منبع تولید میکند. این ابزار میتواند ساختار پوشهها، توابع و وابستگیها را تحلیل کرده و خروجیهای خوانا و قابل استفاده برای تیمهای توسعه فراهم نماید. برای اطلاعات بیشتر و دریافت کد منبع به مخزن GitHub زیر مراجعه کنید.
🔗 CodeWiki on GitHub
CodeWiki با استفاده از هوش مصنوعی، بهصورت خودکار مستندات متنی و نمودارهای معماری برای پروژههای کد منبع تولید میکند. این ابزار میتواند ساختار پوشهها، توابع و وابستگیها را تحلیل کرده و خروجیهای خوانا و قابل استفاده برای تیمهای توسعه فراهم نماید. برای اطلاعات بیشتر و دریافت کد منبع به مخزن GitHub زیر مراجعه کنید.
🔗 CodeWiki on GitHub
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🤖 UniRL: چارچوب جامع تنسنت برای آموزش پسین مدلهای چندوجهی
تنسنت هونیوان (Tencent Hunyuan) UniRL را معرفی کرده است، یک زیرساخت جدید برای آموزش پسین مبتنی بر یادگیری تقویتی (RL) مدلهای چندوجهی. هدف UniRL ایجاد یک چرخه RL یکپارچه برای خانوادههای مختلف مدلها از جمله LLM (مدلهای زبان بزرگ)، VLM (مدلهای دیداری-زبانی) و دیفیوژن (diffusion) است. این چارچوب مدل و الگوریتم را مستقل از هم در نظر میگیرد تا ترکیب انعطافپذیر مدلها و الگوریتمهای RL ممکن شود.
تنسنت هونیوان (Tencent Hunyuan) UniRL را معرفی کرده است، یک زیرساخت جدید برای آموزش پسین مبتنی بر یادگیری تقویتی (RL) مدلهای چندوجهی. هدف UniRL ایجاد یک چرخه RL یکپارچه برای خانوادههای مختلف مدلها از جمله LLM (مدلهای زبان بزرگ)، VLM (مدلهای دیداری-زبانی) و دیفیوژن (diffusion) است. این چارچوب مدل و الگوریتم را مستقل از هم در نظر میگیرد تا ترکیب انعطافپذیر مدلها و الگوریتمهای RL ممکن شود.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما