قبلن در این پست درباره نحوه پرتاب استارلینک و آمار پرتاب در سال های گذشته توضیح دادیم.

@elonfact 🙄

امروز 25 تا دیگه پرتاب شدن. 📡

Chroma Context-1 | A 20B Agentic Search Model

👉 @ai_python 🦁 ☀️

https://youtu.be/4sAJLLWPAh4?si=ET32At9WQPQPEOrt

تور آزمایشگاه رباتیک گوگل دیپ مایند به همراه پروفسور هانا فرای :


👉 @ai_python ✍️

تاریخ تنظیم شده اولین انتشار این پست در @ai_python برابر است با : 27 دسامبر 2025

https://youtu.be/UALxgn1MnZo?si=DOUemd5muhvUmdbB

یکی از کارهای خفنی که یکی از ربات ها در این ویدیو انجام می ده 🤩 اینه که یه دونه نون تُست برمی داره و می ذاره توی یک کیسه فریزر زیپ دار و زیپش رو هم می بنده بعد می ذاره توی یک کیف

بقیه ربات هایی هم که نشون داده می شه جالبن. حتمن ببینید.

بعضی از ربات ها هم از جمینای استفاده می کنند برای بعضی از وظایف ... 🥱

👉 @ai_python ✍️

alphaxiv.org/pdf/2512.16649

یادداشتِ گروک : این توییت، مقاله‌ای به نام «JustRL: Scaling a 1.5B LLM with a Simple RL Recipe» را معرفی می‌کند. این مقاله یک روش ساده و تک‌مرحله‌ای یادگیری تقویتی (RL) با هایپرپارامترهای ثابت را توصیف می‌کند که مدل‌های زبان بزرگ با ۱.۵ میلیارد پارامتر را به سطح عملکرد استیت‌آف‌د‌آرت در استدلال (reasoning) می‌رساند.

👉 @ai_python ✍️

این روش روی دو مدل پایه (DeepSeek و Nemotron) میانگین دقت ۵۴.۹٪ و ۶۴.۳٪ را در نه بنچمارک ریاضی به دست آورده، در حالی که با ۲ برابر محاسبات کمتر نسبت به روش‌های پیچیده‌تر کار می‌کند و بهبودهای مداوم و بدون توقف (plateau) یا فروپاشی (collapse) را در بیش از ۴۰۰۰ گام نشان می‌دهد.


نویسندگان استدلال می‌کنند که خطوط لوله چندمرحله‌ای پیچیده و تنظیمات پویا اغلب غیرضروری هستند و مدل‌ها و کد خود را به عنوان یک پایه پایدار برای جامعه تحقیقاتی منتشر کرده‌اند.

👉 @ai_python ✍️

تجربه های تقریبن به درد بخور که اگر قصد دارید با OpenClaw تجربه کسب کنید، کمکتون می کنه :

👉 @ai_python 🦁 ☀️

https://youtu.be/JeaxEA-M0Qg?si=rm6uQQn2vKlf7jR_

Getting Started with M365 Copilot

👉 @ai_python 🦁 ☀️

https://youtu.be/WiNcWsyENU4?si=1EsUjJ4vdtW4bwTv

چرا RAG استاندارد در قانون شکست می‌خورد؟

👉 @ai_python 🦁 ☀️

https://youtu.be/emGZt3NntOo?si=efqeYIvtsPb-5qrk

مفهوم Computer-aided Engineering :


👉 @ai_python 🦁 ☀️

What Is computer-aided engineering? 👨‍💻

Computer-aided engineering (CAE) is the use of software to simulate and analyze how products will perform in real-world conditions

Read how this helps engineers test, optimize, and validate designs before building them.

👉 https://nvda.ws/4td8zbK

شبیه ساز اولین مرورگر تاریخ اینترنت که در سال 1990 استفاده شد :

👉 @ai_python ✍️


https://worldwideweb.cern.ch/browser/

به نظرم این گفت و گو بسیار جذاب بود :

👉 @ai_python 🦁 ☀️

https://youtu.be/wGpJdn8frYE?si=cJ3n6C5K-GBLYf1U

ساده ترین توضیح انواع کلاود

👉 @ai_python 🦁 ☀️

👉 @ai_python ✍️

انواع منابع پردازشی موجود در Azure Machine Learning :

👉 @ai_python ✍️

1️⃣ Compute instance: Behaves similarly to a virtual machine and is primarily used to run notebooks. It's ideal for experimentation.

2️⃣ Compute clusters: Multi-node clusters of virtual machines that automatically scale up or down to meet demand. A cost-effective way to run scripts that need to process large volumes of data. Clusters also allow you to use parallel processing to distribute the workload and reduce the time it takes to run a script.

3️⃣ Kubernetes clusters: Cluster based on Kubernetes technology, giving you more control over how the compute is configured and managed. You can attach your self-managed Azure Kubernetes (AKS) cluster for cloud compute, or an Arc Kubernetes cluster for on-premises workloads.

4️⃣ Attached compute: Allows you to attach existing compute like Azure virtual machines or Azure Databricks clusters to your workspace.

5️⃣ Serverless compute: A fully managed, on-demand compute you can use for training jobs.

یکی از راه های ساخت تصاویر تبلیغاتی مانند این عکس برای مواد غذایی استفاده از پرامپت زیر در Nano Banana Pro هست :

👉 @ai_python ✍️

Advertising-style food photography of [subject 1] arranged on a rustic table, with [subject 2] floating above in mid-air and a splash of [subject 1] frozen in motion. High-resolution photo manipulation with selective soft focus, clean negative space for text, dramatic lighting, and crisp detail.

که در این جا سابجکت ها را می توانید با مواد غذایی مورد نظرتان تعویض کنید.

X

پرامپت برای این ویدیو در Nano Banana Pro :

👉 @ai_python ✍️

A highly detailed, photorealistic [CAMERA ANGLE, e.g., wide-angle shot, aerial shot looking down, extreme low-angle looking up] showing a colossal [DESCRIBE THE PERSON & CLOTHING] positioned in [SPECIFIC LOCATION/CITY/LANDSCAPE]. The giant is [ACTION - INTERACTING WITH THE ENVIRONMENT, e.g., sitting on a building, stepping over a bridge]. To establish the immense scale, tiny [TINY ELEMENTS: PEOPLE, CARS, OR BOATS] are visible near their [FEET/HANDS]. The lighting is [TIME OF DAY, e.g., golden hour, midday sun].

💡 طبیعتن موارد داخل براکت رو بر اساس نیازتون باید جایگزین کنید.

X

لینک Use Case های بیش تر در کانوا نویسنده پرامپت : این جا را لمس یا کلیک کنید.

قدرت مدل جدید جما 4 از گوگل

👉 @ai_python ✍️

این صفحه وب، یک محیط تعاملی برای یادگیری شبکه‌های عصبی است که به شما اجازه می‌دهد رفتار یک شبکه عصبی را به‌صورت بصری و مرحله‌به‌مرحله مشاهده و تجربه کنید.

👉 @ai_python ✍️

⛄️ آموزش مفهومی شبکه‌های عصبی با یک شبیه‌ساز ساده و قابل فهم

⛄️ تغییر پارامترها مثل تعداد لایه‌ها، تعداد نرون‌ها، نرخ یادگیری، نوع فعال‌سازی و مشاهده اثر آن‌ها روی خروجی مدل

⛄️ انتخاب ویژگی‌ها و داده‌ها و دیدن اینکه شبکه چگونه الگوها را یاد می‌گیرد

⛄️ نمایش بصری وزن‌ها، خروجی نرون‌ها و نواحی تصمیم برای درک بهتر عملکرد مدل

https://playground.tensorflow.org/

همون طور که اکثرن می دونن، مدل جدید Gemma 4 بر روی گوشی های موبایل، بدون نیاز به اینترنت قابل استفاده است.

👉 @ai_python ✍️

البته، طبیعتن برای بار اول و دانلود و نصب اپلیکیشن Google AI Edge Gallery نیاز هست که اینترنت وجود داشته باشه.