Media is too big
VIEW IN TELEGRAM
🎥 عرضه عمومی مدل Kling 4.0 با قابلیت تولید ویدیو ۳۰ ثانیه‌ای
مدل هوش مصنوعی Kling 4.0 اکنون برای تمام کاربران در دسترس است. این نسخه چینی قابلیت تولید ویدیوهای ۳۰ ثانیه‌ای را دارد که نسبت به نسخه‌های قبلی دو برابر شده و دارای سیستم صوتی داخلی است.
کاربران می‌توانند برای تولید ویدیو از متن، تصاویر کلیدی و ویدیوهای مرجع استفاده کنند. همچنین، Kling از طریق پروتکل MCP به ایجنت‌های هوش مصنوعی متصل می‌شود که امکان ادغام تولید ویدیو در جریان‌های کاری خودکار را فراهم می‌کند.
نسخه سریع‌تر این مدل با نام Kling 4.0 Flash نیز از طریق سایت رسمی Kling قابل دسترسی و تست است. این قابلیت‌ها به کاربران اجازه می‌دهد ویدیوهایی در ابعاد تبلیغاتی کوتاه تولید کنند. جزئیات مربوط به تعرفه‌های استفاده از این سرویس هنوز اعلام نشده است.
#Kling_4 #MCP
مدل هوش مصنوعی Kling 4.0 اکنون برای تمام کاربران در دسترس است. این نسخه چینی قابلیت تولید ویدیوهای ۳۰ ثانیه‌ای را دارد که نسبت به نسخه‌های قبلی دو برابر شده و دارای سیستم صوتی داخلی است.
کاربران می‌توانند برای تولید ویدیو از متن، تصاویر کلیدی و ویدیوهای مرجع استفاده کنند. همچنین، Kling از طریق پروتکل MCP به ایجنت‌های هوش مصنوعی متصل می‌شود که امکان ادغام تولید ویدیو در جریان‌های کاری خودکار را فراهم می‌کند.
نسخه سریع‌تر این مدل با نام Kling 4.0 Flash نیز از طریق سایت رسمی Kling قابل دسترسی و تست است. این قابلیت‌ها به کاربران اجازه می‌دهد ویدیوهایی در ابعاد تبلیغاتی کوتاه تولید کنند. جزئیات مربوط به تعرفه‌های استفاده از این سرویس هنوز اعلام نشده است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#Kling_4 #MCP
Media is too big
VIEW IN TELEGRAM
🎤 انتشار نسخه ۲.۰ مدل OmniHuman توسط بایت‌دنس
شرکت بایت‌دنس مدل OmniHuman 2.0 را منتشر کرد که می‌تواند یک عکس ثابت از چهره انسان را بر اساس فایل صوتی، به ویدیو تبدیل کند. این مدل با تحلیل لحن و محتوای صوت، حرکات لب، میمیک چهره و ژست‌های بدن را به‌صورت خودکار هماهنگ می‌کند.
مهم‌ترین تغییرات این نسخه عبارتند از:
* افزایش زمان خروجی ویدیو به ۵ دقیقه برای هر تصویر.
* کاهش هزینه استفاده از خدمات پلتفرم BytePlus به ۰.۰۷ دلار برای هر ثانیه.
* کاهش هزینه پردازش پنج دقیقه ویدیو از ۳۶ دلار به ۲۱ دلار.
خروجی فعلی این مدل با رزولوشن 720p تولید می‌شود و امکان ساخت ویدیوهای طولانی از یک عکس را بدون نیاز به تجهیزات استودیویی فراهم کرده است.
#OmniHuman_2 #BytePlus
شرکت بایت‌دنس مدل OmniHuman 2.0 را منتشر کرد که می‌تواند یک عکس ثابت از چهره انسان را بر اساس فایل صوتی، به ویدیو تبدیل کند. این مدل با تحلیل لحن و محتوای صوت، حرکات لب، میمیک چهره و ژست‌های بدن را به‌صورت خودکار هماهنگ می‌کند.
مهم‌ترین تغییرات این نسخه عبارتند از:
* افزایش زمان خروجی ویدیو به ۵ دقیقه برای هر تصویر.
* کاهش هزینه استفاده از خدمات پلتفرم BytePlus به ۰.۰۷ دلار برای هر ثانیه.
* کاهش هزینه پردازش پنج دقیقه ویدیو از ۳۶ دلار به ۲۱ دلار.
خروجی فعلی این مدل با رزولوشن 720p تولید می‌شود و امکان ساخت ویدیوهای طولانی از یک عکس را بدون نیاز به تجهیزات استودیویی فراهم کرده است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#OmniHuman_2 #BytePlus
🧠 خلاصه تحولات 48 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #1 | 📌 8 آیتم گزارش | 🧾 از 19 پست بررسی‌شده
🕐 جمعه 1405/07/24 ساعت 14:00 تا یکشنبه 1405/07/26 ساعت 14:00
🔎 تحلیل کوتاه
🤖 مدل‌ها و ابزارهای هوش مصنوعی
🧬 سلامت و پژوهش‌های علمی
📚 آموزش و مسیرهای شغلی
🗂 گزارش #1 | 📌 8 آیتم گزارش | 🧾 از 19 پست بررسی‌شده
🕐 جمعه 1405/07/24 ساعت 14:00 تا یکشنبه 1405/07/26 ساعت 14:00
🔎 تحلیل کوتاه
مدل‌های هوش مصنوعی با افزایش سرعت پاسخ‌دهی و کاهش تأخیر، قابلیت‌های خود را در پردازش‌های محلی و محیط‌های ابری توسعه داده‌اند. این بهبودها، از کاهش زمان انتظار برای دریافت اولین توکن تا ارتقای حافظه ایجنت‌ها و تحلیل‌های پیچیده، کارایی ابزارها را در سناریوهای عملیاتی افزایش داده است.
🤖 مدل‌ها و ابزارهای هوش مصنوعی
افزایش سرعت پاسخ‌دهی در مدل‌های Anthropic
کاهش زمان انتظار برای دریافت اولین توکن در Claude و Claude Code تا سه برابر در محیط‌های محلی.
🔗 مشاهده پست
انتشار مجموعه حافظه ایجنت‌های Hy-Memory 2.0
سه‌گانه تنسنت شامل مدل، فریم‌ورک و MemHub برای مدیریت حافظه مکالمات، وظایف و کد.
🔗 مشاهده پست
عرضه مدل DeepSeek-V4.1-Flash
بهینه‌سازی مدل برای افزایش سرعت و بهبود توانایی ساخت کامل پروژه‌ها از صفر.
🔗 مشاهده پست
انتشار مدل‌های جدید تولید تصویر FLUX 3 و Krea 3
عرضه مدل متن‌باز FLUX 3 و ورود ابزار ویرایش تصویر Krea 3 به مرحله بتا.
🔗 مشاهده پست
🧬 سلامت و پژوهش‌های علمی
کاشت موفقیت‌آمیز تراشه بینایی PRIMA
بازگرداندن توانایی خواندن کلمات به بیمار مبتلا به بیماری ژنتیکی اشتاگارت.
🔗 نسخه مفصل در سایت
سرمایه‌گذاری ۱۵ میلیون دلاری در اثبات‌های ریاضی
حمایت بنیاد سایمونز از ارزیابی نتایج هوش مصنوعی با مشارکت OpenAI و Anthropic.
🔗 مطالعه کامل در سایت
📚 آموزش و مسیرهای شغلی
چهار مسیر شغلی در علم داده
تحلیل تفاوت‌های تخصص مهندسی داده، دانشمند داده، مهندس یادگیری ماشین و تحلیلگر داده.
🔗 ادامه مطلب در سایت
متد چهارمرحله‌ای جورج پولیا برای هوش مصنوعی
راهنمای تقویت تفکر تحلیلی و حل مسائل پیچیده با استفاده از روش تاریخی جورج پولیا.
🔗 مطالعه کامل در سایت
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 انتشار مدل Nemotron 3.5 Super VL انویدیا
انویدیا مدل جدید Nemotron 3.5 Super VL را معرفی کرد؛ یک مدل 120 میلیارد پارامتری از نوع MoE که تنها 12 میلیارد پارامتر آن در لحظه فعال است. این مدل بدون نیاز به مدل جانبی، قابلیت پردازش تصویر، اسناد و ویدیو را در یک ساختار واحد ارائه می‌دهد.
ویژگی‌های فنی این مدل شامل موارد زیر است:
* معماری Sparsity: استفاده از 512 کارشناس در هر لایه MoE که با لایه‌های Mamba-2 و Attention ترکیب شده‌اند تا ظرفیت مدل‌های بزرگ را با هزینه محاسباتی مدل‌های کوچک فراهم کند.
* ورودی بصری یکپارچه: استفاده از انکودر C-RADIO برای پردازش مستقیم تصاویر و ویدیوها در هسته اصلی استدلال.
* سرعت بالا: بهره‌گیری از قابلیت Multi-token prediction که در کنار سخت‌افزار DGX Spark، سرعت تولید توکن را تا 2.3 برابر افزایش می‌دهد.
* عملکرد در بنچمارک‌ها: مدل موفق شده در آزمون‌های Hermes Bench (63.44%) و LangChain (87.05%) از نسخه قبلی خود پیشی بگیرد.
جزئیات بیشتر را می‌توانید در وبلاگ فنی انویدیا مطالعه کنید. تحلیل کامل این انتشار نیز در MarkTechPost در دسترس است.
🇮🇷 سایت | تلگرام
انویدیا مدل جدید Nemotron 3.5 Super VL را معرفی کرد؛ یک مدل 120 میلیارد پارامتری از نوع MoE که تنها 12 میلیارد پارامتر آن در لحظه فعال است. این مدل بدون نیاز به مدل جانبی، قابلیت پردازش تصویر، اسناد و ویدیو را در یک ساختار واحد ارائه می‌دهد.
ویژگی‌های فنی این مدل شامل موارد زیر است:
* معماری Sparsity: استفاده از 512 کارشناس در هر لایه MoE که با لایه‌های Mamba-2 و Attention ترکیب شده‌اند تا ظرفیت مدل‌های بزرگ را با هزینه محاسباتی مدل‌های کوچک فراهم کند.
* ورودی بصری یکپارچه: استفاده از انکودر C-RADIO برای پردازش مستقیم تصاویر و ویدیوها در هسته اصلی استدلال.
* سرعت بالا: بهره‌گیری از قابلیت Multi-token prediction که در کنار سخت‌افزار DGX Spark، سرعت تولید توکن را تا 2.3 برابر افزایش می‌دهد.
* عملکرد در بنچمارک‌ها: مدل موفق شده در آزمون‌های Hermes Bench (63.44%) و LangChain (87.05%) از نسخه قبلی خود پیشی بگیرد.
جزئیات بیشتر را می‌توانید در وبلاگ فنی انویدیا مطالعه کنید. تحلیل کامل این انتشار نیز در MarkTechPost در دسترس است.
🇮🇷 سایت | تلگرام
🌐 انتشار عمومی SPACE توسط Perplexity
تیم پرپلکسیتی پروژه SPACE را تحت مجوز Apache 2.0 منتشر کرد. این ابزار یک محیط سندباکس مبتنی بر Firecracker microVM است که برای اجرای وظایف ایجنت‌های هوش مصنوعی توسعه یافته و با زبان Rust نوشته شده است.
ویژگی‌های اصلی این سیستم عبارتند از:
* ایزوله‌سازی در سطح ماشین مجازی: هر وظیفه ایجنت در یک microVM اختصاصی با کرنل مجزا اجرا می‌شود و ایجنت دسترسی root کامل در آن محیط دارد، بدون اینکه به سیستم میزبان دسترسی پیدا کند.
* مدیریت امنیت شبکه: اعتبارنامه‌ها داخل VM ذخیره نمی‌شوند و در لایه شبکه تزریق می‌شوند. یک درگاه در سطح میزبان، سیاست‌های خروجی را برای هر اتصال کنترل می‌کند.
* طراحی برای ایجنت‌های طولانی‌مدت: سیستم از قابلیت‌های Pause و Suspend پشتیبانی می‌کند که امکان ذخیره وضعیت حافظه و فایل‌سیستم را فراهم کرده و منابع را آزاد می‌کند.
* سازگاری: این پروژه از Btrfs برای فایل‌سیستم‌های copy-on-write استفاده می‌کند و با رابط E2B SDK سازگار است.
در ارزیابی امنیتی این سیستم با استفاده از ۹ مدل زبانی پیشرو، هیچ موردی از فرار از VM به میزبان گزارش نشد.
تیم پرپلکسیتی پروژه SPACE را تحت مجوز Apache 2.0 منتشر کرد. این ابزار یک محیط سندباکس مبتنی بر Firecracker microVM است که برای اجرای وظایف ایجنت‌های هوش مصنوعی توسعه یافته و با زبان Rust نوشته شده است.
ویژگی‌های اصلی این سیستم عبارتند از:
* ایزوله‌سازی در سطح ماشین مجازی: هر وظیفه ایجنت در یک microVM اختصاصی با کرنل مجزا اجرا می‌شود و ایجنت دسترسی root کامل در آن محیط دارد، بدون اینکه به سیستم میزبان دسترسی پیدا کند.
* مدیریت امنیت شبکه: اعتبارنامه‌ها داخل VM ذخیره نمی‌شوند و در لایه شبکه تزریق می‌شوند. یک درگاه در سطح میزبان، سیاست‌های خروجی را برای هر اتصال کنترل می‌کند.
* طراحی برای ایجنت‌های طولانی‌مدت: سیستم از قابلیت‌های Pause و Suspend پشتیبانی می‌کند که امکان ذخیره وضعیت حافظه و فایل‌سیستم را فراهم کرده و منابع را آزاد می‌کند.
* سازگاری: این پروژه از Btrfs برای فایل‌سیستم‌های copy-on-write استفاده می‌کند و با رابط E2B SDK سازگار است.
در ارزیابی امنیتی این سیستم با استفاده از ۹ مدل زبانی پیشرو، هیچ موردی از فرار از VM به میزبان گزارش نشد.
🤖 انتشار چارچوب Harness² گوگل برای بهبود ایجنت‌های هوش مصنوعی
گوگل ابزار متن‌باز Harness² را برای بهینه‌سازی عملکرد ایجنت‌های هوش مصنوعی منتشر کرده است. این چارچوب به جای بازآموزی مدل، به ایجنت اجازه می‌دهد تا «هارنس» (Harness) یا همان محیط تعاملی خود را بازنویسی کند.
فرایند اصلی این سیستم شامل سه مرحله است:
* Propose: پیشنهاد تغییرات در هارنس.
* Probe: بررسی تغییرات در همان تسک.
* Compose: اعمال تغییراتی که توسط شواهد رفتاری تأیید شده‌اند.
این روش نیازی به برچسب‌های حقیقت (Ground-truth) یا وریفایر ندارد. در سطح دوم، این سیستم تجربیات کسب‌شده را در یک کتابخانه ذخیره می‌کند تا ایجنت در تسک‌های بعدی از دانش پیشین استفاده کند. طبق نتایج مقاله، یک مرحله اصلاح با این روش، امتیاز GLM-5 را در بنچمارک WorkBuddy تا ۱۱.۵ واحد و در بنچمارک قانونی LAB تا ۱۱.۸ واحد بهبود داده است.
Harness² شامل مهم‌ترین مؤلفه‌ها قابل ویرایش از جمله پرامپت سیستم، حافظه، راهنمای ابزار و پلاگین‌ها است و تحت لایسنس Apache-2.0 عرضه می‌شود.
گوگل ابزار متن‌باز Harness² را برای بهینه‌سازی عملکرد ایجنت‌های هوش مصنوعی منتشر کرده است. این چارچوب به جای بازآموزی مدل، به ایجنت اجازه می‌دهد تا «هارنس» (Harness) یا همان محیط تعاملی خود را بازنویسی کند.
فرایند اصلی این سیستم شامل سه مرحله است:
* Propose: پیشنهاد تغییرات در هارنس.
* Probe: بررسی تغییرات در همان تسک.
* Compose: اعمال تغییراتی که توسط شواهد رفتاری تأیید شده‌اند.
این روش نیازی به برچسب‌های حقیقت (Ground-truth) یا وریفایر ندارد. در سطح دوم، این سیستم تجربیات کسب‌شده را در یک کتابخانه ذخیره می‌کند تا ایجنت در تسک‌های بعدی از دانش پیشین استفاده کند. طبق نتایج مقاله، یک مرحله اصلاح با این روش، امتیاز GLM-5 را در بنچمارک WorkBuddy تا ۱۱.۵ واحد و در بنچمارک قانونی LAB تا ۱۱.۸ واحد بهبود داده است.
Harness² شامل مهم‌ترین مؤلفه‌ها قابل ویرایش از جمله پرامپت سیستم، حافظه، راهنمای ابزار و پلاگین‌ها است و تحت لایسنس Apache-2.0 عرضه می‌شود.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
انتشار کتابخانه DeepSelect برای شتاب‌دهی عملیات TopK
تیم DeepSeek کتابخانه‌ای به نام DeepSelect را برای اجرای بهینه عملیات TopK منتشر کرده است. این هسته‌های محاسباتی که در مدل‌های سری V3 و V4 استفاده شده‌اند، در مقایسه با
این ابزار برای دو سناریوی اصلی بهینه‌سازی شده است:
* ایندکس‌گذاری در Sparse Attention: با پشتیبانی از فرمت
* نمونه‌برداری (Sampling): بهینه برای فرمت
برخی نکات فنی:
* مقدار k تا سقف ۴۰۰۰ محدود شده است.
* برای افزایش سرعت، امکان غیرفعال‌سازی مرتب‌سازی ایندکس‌ها وجود دارد.
* بررسی خطا (NaN) همواره فعال است و در صورت بروز، اجرا را متوقف می‌کند.
* رعایت تراز بودن (Alignment) گام‌های داده در тенسورهای ورودی ضروری است.
این مخزن تحت لایسنس MIT منتشر شده و با توجه به جدید بودن، پیشنهاد می‌شود در محیط‌های عملیاتی با احتیاط استفاده شود.
تیم DeepSeek کتابخانه‌ای به نام DeepSelect را برای اجرای بهینه عملیات TopK منتشر کرده است. این هسته‌های محاسباتی که در مدل‌های سری V3 و V4 استفاده شده‌اند، در مقایسه با
torch.topk در PyTorch، بین ۲ تا ۲۰ برابر سرعت بیشتری دارند.این ابزار برای دو سناریوی اصلی بهینه‌سازی شده است:
* ایندکس‌گذاری در Sparse Attention: با پشتیبانی از فرمت
bfloat16 برای تمامی اندازه‌های Batch و واژگان.* نمونه‌برداری (Sampling): بهینه برای فرمت
float32 و واژگان بزرگ (حدود ۱۲۸ هزار المان).برخی نکات فنی:
* مقدار k تا سقف ۴۰۰۰ محدود شده است.
* برای افزایش سرعت، امکان غیرفعال‌سازی مرتب‌سازی ایندکس‌ها وجود دارد.
* بررسی خطا (NaN) همواره فعال است و در صورت بروز، اجرا را متوقف می‌کند.
* رعایت تراز بودن (Alignment) گام‌های داده در тенسورهای ورودی ضروری است.
این مخزن تحت لایسنس MIT منتشر شده و با توجه به جدید بودن، پیشنهاد می‌شود در محیط‌های عملیاتی با احتیاط استفاده شود.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
🎮 اجرای بازی Minecraft توسط ۴ عامل هوش مصنوعی Gemini
پژوهشگران در مطالعه‌ای تازه نشان دادند که چهار عامل کدنویسی مبتنی بر مدل Gemini 4 Argon موفق شدند بدون استفاده از ابزارهای بازی‌ساز تخصصی، بازی Minecraft را در حالت بقا در مدت ۲۷ ساعت به پایان برسانند و اژدهای Ender را شکست دهند. این عوامل به‌جای مشاهده تصویر، از طریق کتابخانه Mineflayer با دنیای بازی تعامل داشتند و با نوشتن و اجرای برنامه‌های کوتاه، وضعیت کاراکتر و محیط را کنترل می‌کردند.
مهم‌ترین نکات این آزمایش:
* عوامل به‌صورت خودکار وظایفی نظیر تأمین غذا، استخراج الماس و یافتن پورتال را بین خود تقسیم کردند.
* برای یافتن قلعه، با استفاده از محاسبات هندسی موقعیت دقیق آن را در فاصله ۱.۳ کیلومتری با خطای بسیار اندک پیدا کردند.
* شکست اژدها پس از ۶۹ بار تلاش ممکن شد؛ عوامل یاد گرفتند که کریستال‌های شفابخش بالای برج‌ها را نابود کنند.
* یک عامل ناظر (Observer) بر تمامی فعالیت‌ها نظارت داشت تا از عدم استفاده از کدهای غیرمجاز یا دستورات سروری اطمینان حاصل شود.
پژوهشگران در مطالعه‌ای تازه نشان دادند که چهار عامل کدنویسی مبتنی بر مدل Gemini 4 Argon موفق شدند بدون استفاده از ابزارهای بازی‌ساز تخصصی، بازی Minecraft را در حالت بقا در مدت ۲۷ ساعت به پایان برسانند و اژدهای Ender را شکست دهند. این عوامل به‌جای مشاهده تصویر، از طریق کتابخانه Mineflayer با دنیای بازی تعامل داشتند و با نوشتن و اجرای برنامه‌های کوتاه، وضعیت کاراکتر و محیط را کنترل می‌کردند.
مهم‌ترین نکات این آزمایش:
* عوامل به‌صورت خودکار وظایفی نظیر تأمین غذا، استخراج الماس و یافتن پورتال را بین خود تقسیم کردند.
* برای یافتن قلعه، با استفاده از محاسبات هندسی موقعیت دقیق آن را در فاصله ۱.۳ کیلومتری با خطای بسیار اندک پیدا کردند.
* شکست اژدها پس از ۶۹ بار تلاش ممکن شد؛ عوامل یاد گرفتند که کریستال‌های شفابخش بالای برج‌ها را نابود کنند.
* یک عامل ناظر (Observer) بر تمامی فعالیت‌ها نظارت داشت تا از عدم استفاده از کدهای غیرمجاز یا دستورات سروری اطمینان حاصل شود.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
🤖 مجموعه‌ای از مخازن گیت‌هاب برای یادگیری هوش مصنوعی مولد
برای یادگیری عمیق در حوزه هوش مصنوعی مولد (Generative AI)، دسترسی به منابع آموزشی مناسب اهمیت زیادی دارد. در ادامه، مهم‌ترین مخازن گیت‌هاب برای شروع و توسعه مهارت‌ها آورده شده است:
* Generative AI for Beginners: دوره مقدماتی مایکروسافت برای شروع کار.
* LLM Course: نقشه راه جامع برای یادگیری مدل‌های زبانی بزرگ.
* Build a Large Language Model From Scratch: راهنمای ساخت یک مدل از پایه.
* Prompt Engineering Guide: مرجع تخصصی مهندسی پرامپت.
* OpenAI Cookbook: نمونه‌کدها و روش‌های استفاده از APIهای OpenAI.
همچنین اگر به دنبال یک راهنمای عملی برای مهندسی هوش مصنوعی هستید، می‌توانید AI Engineering Playbook را مطالعه کنید.
#PromptEngineering #LLM_Course
برای یادگیری عمیق در حوزه هوش مصنوعی مولد (Generative AI)، دسترسی به منابع آموزشی مناسب اهمیت زیادی دارد. در ادامه، مهم‌ترین مخازن گیت‌هاب برای شروع و توسعه مهارت‌ها آورده شده است:
* Generative AI for Beginners: دوره مقدماتی مایکروسافت برای شروع کار.
* LLM Course: نقشه راه جامع برای یادگیری مدل‌های زبانی بزرگ.
* Build a Large Language Model From Scratch: راهنمای ساخت یک مدل از پایه.
* Prompt Engineering Guide: مرجع تخصصی مهندسی پرامپت.
* OpenAI Cookbook: نمونه‌کدها و روش‌های استفاده از APIهای OpenAI.
همچنین اگر به دنبال یک راهنمای عملی برای مهندسی هوش مصنوعی هستید، می‌توانید AI Engineering Playbook را مطالعه کنید.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#PromptEngineering #LLM_Course
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 قابلیت‌های جدید افزونه ChatGPT برای مرورگر
OpenAI با به‌روزرسانی افزونه مرورگر خود، امکان دسترسی مستقیم به تب‌های باز را برای مدل هوش مصنوعی فراهم کرده است. با استفاده از این قابلیت، کاربر می‌تواند با ارسال دستور، از مدل بخواهد داده‌های چندین صفحه وب را هم‌زمان تحلیل کند یا محتوای آن‌ها را خلاصه کند. نتایج این بررسی‌ها در یک پنل جانبی جدید نمایش داده می‌شود.
این افزونه اکنون به نسخه جدید به‌روزرسانی شده و مهم‌ترین قابلیت‌های آن شامل موارد زیر است:
- تجزیه و تحلیل هم‌زمان: خواندن و مقایسه داده‌ها از چندین تب مختلف، برای مثال در مقایسه قیمت محصولات.
- حالت Work mode: استفاده از فناوری Computer Use برای تعامل مستقیم با برنامه‌های تحت وب.
- مدیریت تعاملی: امکان پر کردن فرم‌ها، دانلود فایل‌ها، ارسال پیام و دسته‌بندی تب‌ها توسط دستیار هوشمند.
این تغییرات برای تمامی کاربران با هر نوع اشتراک ChatGPT در دسترس است.
#Computer_Use #ChatGPT_Chrome
OpenAI با به‌روزرسانی افزونه مرورگر خود، امکان دسترسی مستقیم به تب‌های باز را برای مدل هوش مصنوعی فراهم کرده است. با استفاده از این قابلیت، کاربر می‌تواند با ارسال دستور، از مدل بخواهد داده‌های چندین صفحه وب را هم‌زمان تحلیل کند یا محتوای آن‌ها را خلاصه کند. نتایج این بررسی‌ها در یک پنل جانبی جدید نمایش داده می‌شود.
این افزونه اکنون به نسخه جدید به‌روزرسانی شده و مهم‌ترین قابلیت‌های آن شامل موارد زیر است:
- تجزیه و تحلیل هم‌زمان: خواندن و مقایسه داده‌ها از چندین تب مختلف، برای مثال در مقایسه قیمت محصولات.
- حالت Work mode: استفاده از فناوری Computer Use برای تعامل مستقیم با برنامه‌های تحت وب.
- مدیریت تعاملی: امکان پر کردن فرم‌ها، دانلود فایل‌ها، ارسال پیام و دسته‌بندی تب‌ها توسط دستیار هوشمند.
این تغییرات برای تمامی کاربران با هر نوع اشتراک ChatGPT در دسترس است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#Computer_Use #ChatGPT_Chrome
🤖 معرفی موتور جستجوی جدید Photon توسط Perplexity
شرکت Perplexity از موتور جدیدی به نام Photon رونمایی کرد که وظیفه جستجو و رتبه‌بندی صفحات وب را پیش از پردازش توسط مدل زبانی بر عهده دارد. این موتور اکنون در قالب یک «حالت سریع» در Search API این شرکت برای استفاده در عاملیت‌های (Agents) هوش مصنوعی در دسترس است.
مکانیزم فنی Photon:
• استفاده از ایندکس معکوس برای جستجوی کلمات.
• فشرده‌سازی شماره اسناد با روش الیاس-فانو (Elias-Fano).
• استفاده از الگوریتم WAND برای حذف سریع اسناد نامرتبط.
• پردازش موازی ایندکس‌گذاری با MapReduce و آزادسازی کش با الگوریتم CLOCK.
در نتایج بنچمارک، حالت سریع میانگین پاسخ‌دهی ۱۶۰ میلی‌ثانیه را ثبت کرده است. اگرچه کیفیت پاسخ‌دهی در این حالت نسبت به مدل استاندارد اندکی کاهش یافته، اما هزینه‌های عملیاتی به میزان قابل‌توجهی کمتر است. طبق گزارش فنی، این موتور نسبت به سیستم قبلی حدود ۲.۵ برابر داده بیشتری به ازای هر سند ذخیره می‌کند و نیاز به تعداد سرور کمتری دارد.
#Photon #Elias_Fano
شرکت Perplexity از موتور جدیدی به نام Photon رونمایی کرد که وظیفه جستجو و رتبه‌بندی صفحات وب را پیش از پردازش توسط مدل زبانی بر عهده دارد. این موتور اکنون در قالب یک «حالت سریع» در Search API این شرکت برای استفاده در عاملیت‌های (Agents) هوش مصنوعی در دسترس است.
مکانیزم فنی Photon:
• استفاده از ایندکس معکوس برای جستجوی کلمات.
• فشرده‌سازی شماره اسناد با روش الیاس-فانو (Elias-Fano).
• استفاده از الگوریتم WAND برای حذف سریع اسناد نامرتبط.
• پردازش موازی ایندکس‌گذاری با MapReduce و آزادسازی کش با الگوریتم CLOCK.
در نتایج بنچمارک، حالت سریع میانگین پاسخ‌دهی ۱۶۰ میلی‌ثانیه را ثبت کرده است. اگرچه کیفیت پاسخ‌دهی در این حالت نسبت به مدل استاندارد اندکی کاهش یافته، اما هزینه‌های عملیاتی به میزان قابل‌توجهی کمتر است. طبق گزارش فنی، این موتور نسبت به سیستم قبلی حدود ۲.۵ برابر داده بیشتری به ازای هر سند ذخیره می‌کند و نیاز به تعداد سرور کمتری دارد.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#Photon #Elias_Fano
❤1
هوش مصنوعی و علم داده به فارسی
🖼 انتشار مدل‌های جدید FLUX 3 و Krea 3 شرکت BFL مدل FLUX 3 Image Klein را با ۵.۶ میلیارد پارامتر به صورت متن‌باز عرضه کرد. این مدل به طور پیش‌فرض روی رزولوشن 4MP متمرکز است و از ۱۰ رفرنس برای کنترل چیدمان اشیاء پشتیبانی می‌کند. نسخه INT8 این مدل با ۸ گیگابایت…
🤖 انتشار نسخه بتای مدل ویرایش تصویر Krea 3
سرویس Krea دسترسی عمومی به مدل ویرایش تصویر خود را فراهم کرده است. طبق اعلام تیم سازنده، این مدل در پردازش تصاویر 2K عملکردی مشابه مدل‌هایی همچون Nano Banana Pro و GPT Image 2.5 دارد اما سرعت انجام عملیات در آن به مراتب بیشتر است.
در این مدل می‌توانید با انتخاب یک محدوده خاص در تصویر، فقط همان بخش را ویرایش کنید. امکان ویرایش‌های مرحله‌ای نیز وجود دارد؛ یعنی می‌توانید به‌صورت متوالی تغییراتی مانند تعویض لباس، تغییر پس‌زمینه و تنظیم نور را اعمال کنید، به‌طوری که هر مرحله، تغییرات قبلی را حفظ کند.
برخی از ویژگی‌های فنی و عملکردی:
* زمان چرخه کامل ویرایش 2K کمتر از ۸ ثانیه است که در بنچمارک‌های موجود، سریع‌تر از نمونه‌هایی مانند Grok-imagine، Ideogram 4.5 و GPT Image 2.5 قرار می‌گیرد.
* پشتیبانی از
* امکان استفاده از
نسخه بتای این ابزار هم‌اکنون در دسترس است و انتشار نسخه نهایی به همراه جزئیات کامل‌تر بنچمارک‌ها برای هفته آینده برنامه‌ریزی شده است.
🇮🇷 سایت | تلگرام
سرویس Krea دسترسی عمومی به مدل ویرایش تصویر خود را فراهم کرده است. طبق اعلام تیم سازنده، این مدل در پردازش تصاویر 2K عملکردی مشابه مدل‌هایی همچون Nano Banana Pro و GPT Image 2.5 دارد اما سرعت انجام عملیات در آن به مراتب بیشتر است.
در این مدل می‌توانید با انتخاب یک محدوده خاص در تصویر، فقط همان بخش را ویرایش کنید. امکان ویرایش‌های مرحله‌ای نیز وجود دارد؛ یعنی می‌توانید به‌صورت متوالی تغییراتی مانند تعویض لباس، تغییر پس‌زمینه و تنظیم نور را اعمال کنید، به‌طوری که هر مرحله، تغییرات قبلی را حفظ کند.
برخی از ویژگی‌های فنی و عملکردی:
* زمان چرخه کامل ویرایش 2K کمتر از ۸ ثانیه است که در بنچمارک‌های موجود، سریع‌تر از نمونه‌هایی مانند Grok-imagine، Ideogram 4.5 و GPT Image 2.5 قرار می‌گیرد.
* پشتیبانی از
LoRA برای حفظ جزئیات کاراکتر، محصول و استایل‌ها.* امکان استفاده از
sref برای ارجاع بصری.نسخه بتای این ابزار هم‌اکنون در دسترس است و انتشار نسخه نهایی به همراه جزئیات کامل‌تر بنچمارک‌ها برای هفته آینده برنامه‌ریزی شده است.
🇮🇷 سایت | تلگرام
📊 گلوگاه «توجه انسانی» در تعامل با مدل‌های Claude
گزارش تازه Anthropic نشان می‌دهد که در فرآیند تعامل با مدل‌های هوش مصنوعی، عامل اصلی تأخیر، سرعت پردازش مدل نیست، بلکه محدودیت «توجه انسانی» است. بررسی‌ها حاکی از آن است که حدود ۸۰ درصد از زمان جلسات کاری در Claude صرف انتظار برای ورودی‌های کاربر می‌شود.
تحلیل‌ها بر اساس حجم خروجی مدل تا آوریل ۲۰۲۶، میانگین ساعات لازم برای خواندن خروجی‌ها را در حوزه‌های مختلف نشان می‌دهد:
* مهندسی و تحقیق: ۴۲۴ ساعت در هفته برای هر نفر
* امور مالی و حسابداری: ۴۳ ساعت در هفته برای هر نفر
* فروش و بازاریابی: ۳۵ ساعت در هفته برای هر نفر
* امور حقوقی و سیاست‌گذاری: ۲۶ ساعت در هفته برای هر نفر
طبق محاسبات این گزارش، زمان کار فعال مدل در مقایسه با کل زمان جلسه (wall-clock time) بسیار کمتر است و انسان‌ها عملاً به گلوگاهی برای فعالیت عامل‌های هوشمند تبدیل شده‌اند. روند رشد ساعات مورد نیاز برای مطالعه خروجی‌ها از سال ۲۰۲۵ تاکنون صعودی بوده است.
#Claude #توجه_انسانی
گزارش تازه Anthropic نشان می‌دهد که در فرآیند تعامل با مدل‌های هوش مصنوعی، عامل اصلی تأخیر، سرعت پردازش مدل نیست، بلکه محدودیت «توجه انسانی» است. بررسی‌ها حاکی از آن است که حدود ۸۰ درصد از زمان جلسات کاری در Claude صرف انتظار برای ورودی‌های کاربر می‌شود.
تحلیل‌ها بر اساس حجم خروجی مدل تا آوریل ۲۰۲۶، میانگین ساعات لازم برای خواندن خروجی‌ها را در حوزه‌های مختلف نشان می‌دهد:
* مهندسی و تحقیق: ۴۲۴ ساعت در هفته برای هر نفر
* امور مالی و حسابداری: ۴۳ ساعت در هفته برای هر نفر
* فروش و بازاریابی: ۳۵ ساعت در هفته برای هر نفر
* امور حقوقی و سیاست‌گذاری: ۲۶ ساعت در هفته برای هر نفر
طبق محاسبات این گزارش، زمان کار فعال مدل در مقایسه با کل زمان جلسه (wall-clock time) بسیار کمتر است و انسان‌ها عملاً به گلوگاهی برای فعالیت عامل‌های هوشمند تبدیل شده‌اند. روند رشد ساعات مورد نیاز برای مطالعه خروجی‌ها از سال ۲۰۲۵ تاکنون صعودی بوده است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#Claude #توجه_انسانی
هوش مصنوعی و علم داده به فارسی
🤖 انتشار چارچوب Harness² گوگل برای بهبود ایجنت‌های هوش مصنوعی گوگل ابزار متن‌باز Harness² را برای بهینه‌سازی عملکرد ایجنت‌های هوش مصنوعی منتشر کرده است. این چارچوب به جای بازآموزی مدل، به ایجنت اجازه می‌دهد تا «هارنس» (Harness) یا همان محیط تعاملی خود را…
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 انتشار ابزار متن‌باز Harness² توسط گوگل
گوگل ابزاری به نام Harness² منتشر کرده است که به ایجنت‌های هوش مصنوعی اجازه می‌دهد با تکرار وظایف، روش کاری خود را به‌طور خودکار بهبود دهند. در این ساختار، ایجنت تنها به مدل وابسته نیست و ترکیبی از ابزارها، حافظه، دستورالعمل‌ها و ساب‌ایجنت‌ها را مدیریت می‌کند.
این ابزار با ایجاد تغییرات در تنظیمات، مقایسه نتایج نسخه‌های مختلف و بهره‌گیری از تجربیات قبلی، بدون نیاز به آموزش مجدد مدل، عملکرد ایجنت را بهینه می‌کند. مهم‌ترین ویژگی‌های این روش عبارتند از:
* تنظیم خودکار ترکیب ابزارها و دستورالعمل‌ها برای دستیابی به خروجی بهتر.
* امکان یادگیری از تجربیات گذشته بدون نیاز به شروع مجدد.
* عدم نیاز به تعیین پاسخ درست در مراحل اولیه برای بهینه‌سازی.
گوگل این روش را روی مدل‌های Gemini 3.5 Flash و GLM-5 در حوزه‌های حقوقی و اداری آزمایش کرده و گزارش داده است که حتی یک دور تغییر در تنظیمات، منجر به ارتقای عملکرد شده است. با استفاده از این ابزار، نیاز به اصلاح دستی تنظیمات توسط کاربر کاهش می‌یابد و ایجنت می‌تواند به مرور زمان خطاهای خود را شناسایی و رفع کند.
گوگل ابزاری به نام Harness² منتشر کرده است که به ایجنت‌های هوش مصنوعی اجازه می‌دهد با تکرار وظایف، روش کاری خود را به‌طور خودکار بهبود دهند. در این ساختار، ایجنت تنها به مدل وابسته نیست و ترکیبی از ابزارها، حافظه، دستورالعمل‌ها و ساب‌ایجنت‌ها را مدیریت می‌کند.
این ابزار با ایجاد تغییرات در تنظیمات، مقایسه نتایج نسخه‌های مختلف و بهره‌گیری از تجربیات قبلی، بدون نیاز به آموزش مجدد مدل، عملکرد ایجنت را بهینه می‌کند. مهم‌ترین ویژگی‌های این روش عبارتند از:
* تنظیم خودکار ترکیب ابزارها و دستورالعمل‌ها برای دستیابی به خروجی بهتر.
* امکان یادگیری از تجربیات گذشته بدون نیاز به شروع مجدد.
* عدم نیاز به تعیین پاسخ درست در مراحل اولیه برای بهینه‌سازی.
گوگل این روش را روی مدل‌های Gemini 3.5 Flash و GLM-5 در حوزه‌های حقوقی و اداری آزمایش کرده و گزارش داده است که حتی یک دور تغییر در تنظیمات، منجر به ارتقای عملکرد شده است. با استفاده از این ابزار، نیاز به اصلاح دستی تنظیمات توسط کاربر کاهش می‌یابد و ایجنت می‌تواند به مرور زمان خطاهای خود را شناسایی و رفع کند.
🧠 گرنت سندرسون و آینده ریاضیات در عصر هوش مصنوعی
گرنت سندرسون، خالق کانال 3Blue1Brown معتقد است با پیشرفت هوش مصنوعی در اثبات قضایا، ریاضیات همچنان حوزه‌ای حیاتی باقی می‌ماند. او استدلال می‌کند که کار ریاضی‌دان تنها اثبات نیست و شامل موارد زیر است:
• انتخاب پرسش‌های درست
• تدوین فرضیه‌ها
• ساخت نظریه‌ها
• یافتن ارتباط میان مفاهیم
• انتقال و تبیین نتایج برای دیگران
سندرسون باور دارد که توانایی هوش مصنوعی در اثبات قضایا مشابه ماشین‌هایی است که وزنه‌های سنگین‌تری از انسان بلند می‌کنند؛ این موضوع ورزش یا در اینجا، یادگیری ریاضیات را بی‌معنا نمی‌کند، زیرا حل مسئله به تنهایی باعث توسعه تفکر می‌شود. با ورود ابزارهای هوشمند به پژوهش، معیارهای ارزیابی دستاوردهای علمی و نحوه کسب اعتبار برای دانشمندان نیز نیازمند بازنگری خواهد بود.
#3Blue1Brown #اثبات_قضایا
گرنت سندرسون، خالق کانال 3Blue1Brown معتقد است با پیشرفت هوش مصنوعی در اثبات قضایا، ریاضیات همچنان حوزه‌ای حیاتی باقی می‌ماند. او استدلال می‌کند که کار ریاضی‌دان تنها اثبات نیست و شامل موارد زیر است:
• انتخاب پرسش‌های درست
• تدوین فرضیه‌ها
• ساخت نظریه‌ها
• یافتن ارتباط میان مفاهیم
• انتقال و تبیین نتایج برای دیگران
سندرسون باور دارد که توانایی هوش مصنوعی در اثبات قضایا مشابه ماشین‌هایی است که وزنه‌های سنگین‌تری از انسان بلند می‌کنند؛ این موضوع ورزش یا در اینجا، یادگیری ریاضیات را بی‌معنا نمی‌کند، زیرا حل مسئله به تنهایی باعث توسعه تفکر می‌شود. با ورود ابزارهای هوشمند به پژوهش، معیارهای ارزیابی دستاوردهای علمی و نحوه کسب اعتبار برای دانشمندان نیز نیازمند بازنگری خواهد بود.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#3Blue1Brown #اثبات_قضایا
This media is not supported in your browser
VIEW IN TELEGRAM
🖼️ معرفی LILIE: تبدیل تصویر معکوس‌پذیر از دانشگاه استنفورد
محققان دانشگاه استنفورد روش LILIE را معرفی کردند؛ یک تبدیل معکوس‌پذیر تصویر که به‌گونه‌ای آموزش دیده است تا مدل‌های بینایی-زبانی بتوانند کپشن‌ها را از ویژگی‌های نویزی بازسازی کنند.
مستندات و کدهای این پروژه منتشر شده است:
• مقاله علمی
• وب‌سایت پروژه
• مخزن گیت‌هاب
#LILIE #Invertible_Image_Transform
محققان دانشگاه استنفورد روش LILIE را معرفی کردند؛ یک تبدیل معکوس‌پذیر تصویر که به‌گونه‌ای آموزش دیده است تا مدل‌های بینایی-زبانی بتوانند کپشن‌ها را از ویژگی‌های نویزی بازسازی کنند.
مستندات و کدهای این پروژه منتشر شده است:
• مقاله علمی
• وب‌سایت پروژه
• مخزن گیت‌هاب
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#LILIE #Invertible_Image_Transform
❤1