🤖 پیشرفت مدلهای کوچک با VibeThinker‑3B
بهتازگی مدل ۳ میلیارد پارامتری VibeThinker-3B توانسته در وظایف استدلال قابلراستیآزمایی به نتایج بسیار رقابتی برسد: امتیاز ۹۴.۳٪ در آزمون AIME26، امتیاز ۸۰.۲٪ Pass@1 در LiveCodeBench v6 و عملکرد ۹۶.۱٪ در LeetCode.
بهنظر میرسد بخش اصلی این پیشرفت از پسآموزش روی پایه Qwen2.5-Coder بهدست آمده باشد؛ فرایندی که ابتدا با آموزش نظارتشده مرحلهای (Curriculum SFT) روی مسائل با سطوح دشواری مختلف آغاز شده، سپس با یادگیری تقویتی در حوزههایی مانند ریاضیات و برنامهنویسی ادامه یافته است. در ادامه، مدل از خروجیهای استدلالی خود برای تولید دادههای آموزشی جدید (Offline Self-Distillation) استفاده کرده و در نهایت با یک مرحله RL مبتنی بر دستورالعملها، رفتار آن برای پاسخگویی بهتر به درخواستهای کاربران تنظیم شده است.
بهتازگی مدل ۳ میلیارد پارامتری VibeThinker-3B توانسته در وظایف استدلال قابلراستیآزمایی به نتایج بسیار رقابتی برسد: امتیاز ۹۴.۳٪ در آزمون AIME26، امتیاز ۸۰.۲٪ Pass@1 در LiveCodeBench v6 و عملکرد ۹۶.۱٪ در LeetCode.
بهنظر میرسد بخش اصلی این پیشرفت از پسآموزش روی پایه Qwen2.5-Coder بهدست آمده باشد؛ فرایندی که ابتدا با آموزش نظارتشده مرحلهای (Curriculum SFT) روی مسائل با سطوح دشواری مختلف آغاز شده، سپس با یادگیری تقویتی در حوزههایی مانند ریاضیات و برنامهنویسی ادامه یافته است. در ادامه، مدل از خروجیهای استدلالی خود برای تولید دادههای آموزشی جدید (Offline Self-Distillation) استفاده کرده و در نهایت با یک مرحله RL مبتنی بر دستورالعملها، رفتار آن برای پاسخگویی بهتر به درخواستهای کاربران تنظیم شده است.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🚀 افزایش بهرهوری هوش مصنوعی با عمق استفاده
تحقیقات جدید OpenAI نشان میدهد که افزایش بهرهوری از هوش مصنوعی خطی نیست، بلکه با عمق استفاده از آن تسریع میشود. کارکنانی که از قابلیتهای پیشرفته ChatGPT مانند GPT-5 Thinking، Deep Research و Image Generation استفاده میکنند و با مدلها و ابزارهای مختلف کار میکنند، صرفهجویی زمانی بسیار بیشتری را گزارش میدهند. این مطالعه حاکی از آن است که گروهی که بیش از ۱۰ ساعت در هفته صرفهجویی میکنند، تقریباً ۸ برابر بیشتر از کسانی که هیچ صرفهجویی ندارند، از اعتبارات هوش مصنوعی استفاده میکنند.
🔗 openai.com
#گزارش #GPT4o
تحقیقات جدید OpenAI نشان میدهد که افزایش بهرهوری از هوش مصنوعی خطی نیست، بلکه با عمق استفاده از آن تسریع میشود. کارکنانی که از قابلیتهای پیشرفته ChatGPT مانند GPT-5 Thinking، Deep Research و Image Generation استفاده میکنند و با مدلها و ابزارهای مختلف کار میکنند، صرفهجویی زمانی بسیار بیشتری را گزارش میدهند. این مطالعه حاکی از آن است که گروهی که بیش از ۱۰ ساعت در هفته صرفهجویی میکنند، تقریباً ۸ برابر بیشتر از کسانی که هیچ صرفهجویی ندارند، از اعتبارات هوش مصنوعی استفاده میکنند.
🔗 openai.com
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#گزارش #GPT4o
🚀 خرید Cursor توسط SpaceX
اخیراً SpaceX معاملهای به ارزش ۶۰ میلیارد دلار برای خرید شرکت Cursor نهایی کرده است. این تراکنش پس از آنکه در آوریل گزینه خرید را به دست آورد، به سرعت به تکمیل رسید؛ در غیر این صورت، شرکت میتوانست ۱۰ میلیارد دلار پرداخت کند تا پروژه مشترک ادامه یابد. پس از امضای توافق نهایی، Cursor بهعنوان یک ساختار تابع به SpaceX پیوست و بهسرعت نسخه بهروزرسانی شد، مدل جدیدی ارائه داد و SDK مخصوص خود را عرضه کرد. این بزرگترین خرید SpaceX تا بهحال محسوب میشود و به ایلان ماسک امکان رقابت مستقیم با ابزارهای کدنویسی هوش مصنوعی مانند Claude Code و Codex را میدهد.
#خبر #Cursor
اخیراً SpaceX معاملهای به ارزش ۶۰ میلیارد دلار برای خرید شرکت Cursor نهایی کرده است. این تراکنش پس از آنکه در آوریل گزینه خرید را به دست آورد، به سرعت به تکمیل رسید؛ در غیر این صورت، شرکت میتوانست ۱۰ میلیارد دلار پرداخت کند تا پروژه مشترک ادامه یابد. پس از امضای توافق نهایی، Cursor بهعنوان یک ساختار تابع به SpaceX پیوست و بهسرعت نسخه بهروزرسانی شد، مدل جدیدی ارائه داد و SDK مخصوص خود را عرضه کرد. این بزرگترین خرید SpaceX تا بهحال محسوب میشود و به ایلان ماسک امکان رقابت مستقیم با ابزارهای کدنویسی هوش مصنوعی مانند Claude Code و Codex را میدهد.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #Cursor
🤖 معرفی Serge: بازبین کد هوش مصنوعی Hugging Face
Hugging Face ابزار متنباز Serge را معرفی کرده است، یک بازبین کد مبتنی بر هوش مصنوعی برای GitHub. این ابزار با فراخوانی در کامنتهای Pull Request (PR) فعال میشود و بهطور خودکار تغییرات کد (diff) را بررسی میکند، باگها و نقاط بحثبرانگیز را شناسایی کرده و مستقیماً در PR نظرات خود را ثبت میکند.
از مزایای Serge میتوان به امکان تعریف قوانین بازبینی در مخزن، تعیین تمرکز عامل بر نکات خاص، و نادیدهگرفتن بخشهای مشخص اشاره کرد. توسعهدهندگان Hugging Face از Serge برای بازبینی پروژههای داخلی مانند diffusers و transformers استفاده میکنند.
#ابزار #HuggingFace
Hugging Face ابزار متنباز Serge را معرفی کرده است، یک بازبین کد مبتنی بر هوش مصنوعی برای GitHub. این ابزار با فراخوانی در کامنتهای Pull Request (PR) فعال میشود و بهطور خودکار تغییرات کد (diff) را بررسی میکند، باگها و نقاط بحثبرانگیز را شناسایی کرده و مستقیماً در PR نظرات خود را ثبت میکند.
از مزایای Serge میتوان به امکان تعریف قوانین بازبینی در مخزن، تعیین تمرکز عامل بر نکات خاص، و نادیدهگرفتن بخشهای مشخص اشاره کرد. توسعهدهندگان Hugging Face از Serge برای بازبینی پروژههای داخلی مانند diffusers و transformers استفاده میکنند.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#ابزار #HuggingFace
❤1
🤖 انتشار GLM‑5.2 با یک میلیون توکن!
GLM‑5.2 (نسخههای max و high) که بهصورت وزنهای باز در Hugging Face منتشر شده، در بنچمارکهای کدنویسی و وظایف عاملیت جهشی قابلتوجه نشان داد. با گسترش حداکثر طول متن به یک میلیون توکن، این مدل قادر است سناریوهای چندمرحلهای طولانی را بهخوبی دنبال کند. حالت max بیشترین کیفیت را هدف میگیرد، در حالی که high تعادل بین دقت و صرفهجویی در توکنها را فراهم میآورد. قیمتهای API بدون تغییر از نسخه 5.1 ادامه دارد و برای توسعهدهندگان API، چتبات و برنامههای کدنویسی در دسترس است.
#خبر #DataScience
GLM‑5.2 (نسخههای max و high) که بهصورت وزنهای باز در Hugging Face منتشر شده، در بنچمارکهای کدنویسی و وظایف عاملیت جهشی قابلتوجه نشان داد. با گسترش حداکثر طول متن به یک میلیون توکن، این مدل قادر است سناریوهای چندمرحلهای طولانی را بهخوبی دنبال کند. حالت max بیشترین کیفیت را هدف میگیرد، در حالی که high تعادل بین دقت و صرفهجویی در توکنها را فراهم میآورد. قیمتهای API بدون تغییر از نسخه 5.1 ادامه دارد و برای توسعهدهندگان API، چتبات و برنامههای کدنویسی در دسترس است.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #DataScience
🤖 موفقیت با Claude Code
تحلیل Anthropic از حدود ۴۰۰ ۰۰۰ سشن Claude Code نشان میدهد که عامل اصلی موفقیت، درک عمیق کاربر از مسئله است نه مهارت برنامهنویسی. در یک سشن معمولی، کاربر حدود ۷۰٪ تصمیمات «چه کاری انجام شود» را میگیرد، در حالی که هوش مصنوعی حدود ۸۰٪ تصمیمات «چگونه انجام شود» را بر عهده میگیرد. کاربران خبره با یک درخواست، تقریباً دو برابر عملهای AI و پنج برابر متن پاسخ دریافت میکنند نسبت به مبتدیان. موفقیت در سشنها همچنین به دقت فرموله کردن نیازها و تشخیص خطاهای مدل بستگی دارد، نه به سمت شغلی کاربر.
🔗 لینک گزارش:
📄 فایل PDF
#پژوهش #Claude
تحلیل Anthropic از حدود ۴۰۰ ۰۰۰ سشن Claude Code نشان میدهد که عامل اصلی موفقیت، درک عمیق کاربر از مسئله است نه مهارت برنامهنویسی. در یک سشن معمولی، کاربر حدود ۷۰٪ تصمیمات «چه کاری انجام شود» را میگیرد، در حالی که هوش مصنوعی حدود ۸۰٪ تصمیمات «چگونه انجام شود» را بر عهده میگیرد. کاربران خبره با یک درخواست، تقریباً دو برابر عملهای AI و پنج برابر متن پاسخ دریافت میکنند نسبت به مبتدیان. موفقیت در سشنها همچنین به دقت فرموله کردن نیازها و تشخیص خطاهای مدل بستگی دارد، نه به سمت شغلی کاربر.
🔗 لینک گزارش:
📄 فایل PDF
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#پژوهش #Claude
🤖 پروکسی منبع باز Netflix برای کاهش توکنهای LLM
یک مهندس Netflix ابزار پروکسی متنباز به نام Headroom ارائه داد که بدون تغییر کد، مصرف توکنهای مدلهای زبانی را بین 60 تا 95 ٪ کاهش میدهد. این لایه بین برنامه شما و LLM قرار میگیرد و خروجی ابزارها، بلوکهای کد و تاریخچه مکالمه را به‑ صورت فشردهسازی در‑حینکار پردازش میکند، بدون خلاصهسازی یا افت دقت (خطای ±0.000%). سازگاری کامل با Claude Code، Cursor، Copilot و کلیه کلاینتهای سازگار با OpenAI دارد. نصب تنها با یک دستور pip و یک متغیر محیطی انجام میشود؛ Netflix نیز به طور داخلی از آن استفاده میکند. پروژه با مجوز Apache 2.0 منتشر شده و در حال حاضر 29.9 هزار ستاره در GitHub دارد.
🔗 Headroom – GitHub
#ابزار #Claude
یک مهندس Netflix ابزار پروکسی متنباز به نام Headroom ارائه داد که بدون تغییر کد، مصرف توکنهای مدلهای زبانی را بین 60 تا 95 ٪ کاهش میدهد. این لایه بین برنامه شما و LLM قرار میگیرد و خروجی ابزارها، بلوکهای کد و تاریخچه مکالمه را به‑ صورت فشردهسازی در‑حینکار پردازش میکند، بدون خلاصهسازی یا افت دقت (خطای ±0.000%). سازگاری کامل با Claude Code، Cursor، Copilot و کلیه کلاینتهای سازگار با OpenAI دارد. نصب تنها با یک دستور pip و یک متغیر محیطی انجام میشود؛ Netflix نیز به طور داخلی از آن استفاده میکند. پروژه با مجوز Apache 2.0 منتشر شده و در حال حاضر 29.9 هزار ستاره در GitHub دارد.
🔗 Headroom – GitHub
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#ابزار #Claude
❤1
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 Xmind AI – نقشهبرداری هوشمند ذهن
امروز سرویس جدید Xmind AI معرفی شد. این شبکه عصبی میتواند با وارد کردن صرفاً یک توصیف کوتاه یا یک عکس از سند، یادداشت یا طرحدستی، یک نقشه ذهنی ساختارمند و جزئیاتدار تولید کند. کاربران میتوانند اطلاعات را بهصورت سلسلهمراتبی سازماندهی، پروژهها را برنامهریزی و ارتباط منطقی بین وظایف مختلف را بهصورت بصری ایجاد کنند. این ابزار برای افزایش بهرهوری، تفکر بصری و نوآوری در تیمها و افراد مناسب است.
📖 وبسایت Xmind AI
#آموزش #DataScience
امروز سرویس جدید Xmind AI معرفی شد. این شبکه عصبی میتواند با وارد کردن صرفاً یک توصیف کوتاه یا یک عکس از سند، یادداشت یا طرحدستی، یک نقشه ذهنی ساختارمند و جزئیاتدار تولید کند. کاربران میتوانند اطلاعات را بهصورت سلسلهمراتبی سازماندهی، پروژهها را برنامهریزی و ارتباط منطقی بین وظایف مختلف را بهصورت بصری ایجاد کنند. این ابزار برای افزایش بهرهوری، تفکر بصری و نوآوری در تیمها و افراد مناسب است.
📖 وبسایت Xmind AI
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#آموزش #DataScience
🤖 دورهٔ رایگان هوش مصنوعی مایکروسافت برای مبتدیان
این دورهٔ ۱۲ هفتهای شامل ۲۴ جلسهٔ تئوری، تمرینهای عملی، لاب‑های تعاملی و آزمون است. برنامهٔ آموزشی مباحث شبکههای عصبی، یادگیری عمیق، بینایی ماشین، پردازش زبان طبیعی، الگوریتمهای ژنتیک و اخلاق هوش مصنوعی را پوشش میدهد. برای پیادهسازی از دو فریمورک اصلی TensorFlow و PyTorch استفاده میشود و هر جلسه شامل مطالب خواندنی، نوتبوک Jupyter و در صورت نیاز لاب میشود. دوره به زبان انگلیسی است اما به دهها زبان دیگر ترجمه شده است. تمام مطالب و لینکهای مرتبط در مخزن GitHub موجود است.
🔗 مخزن GitHub دوره
#ابزار #DataScience
این دورهٔ ۱۲ هفتهای شامل ۲۴ جلسهٔ تئوری، تمرینهای عملی، لاب‑های تعاملی و آزمون است. برنامهٔ آموزشی مباحث شبکههای عصبی، یادگیری عمیق، بینایی ماشین، پردازش زبان طبیعی، الگوریتمهای ژنتیک و اخلاق هوش مصنوعی را پوشش میدهد. برای پیادهسازی از دو فریمورک اصلی TensorFlow و PyTorch استفاده میشود و هر جلسه شامل مطالب خواندنی، نوتبوک Jupyter و در صورت نیاز لاب میشود. دوره به زبان انگلیسی است اما به دهها زبان دیگر ترجمه شده است. تمام مطالب و لینکهای مرتبط در مخزن GitHub موجود است.
🔗 مخزن GitHub دوره
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#ابزار #DataScience
🔬 مدل LOGOS: هوش مصنوعی جامع برای علوم طبیعی از Alibaba
تیم Tongyi Lab از Alibaba مدل LOGOS را معرفی کرده است، یک مدل هوش مصنوعی بزرگ (LLM) که برای پوشش تمام علوم طبیعی طراحی شده است. ایده اصلی این مدل، مشابه ChatGPT که کلمه بعدی را پیشبینی میکند، پیشبینی قطعه بعدی پروتئین، مولکول یا واکنش شیمیایی است. اشیاء علمی مختلف با یک زبان توکن مشترک نمایش داده میشوند که امکان انتقال دانش بین حوزهها را فراهم میکند؛ مثلاً درک مولکولها به کار با پروتئینها کمک میکند. به گفته توسعهدهندگان، LOGOS در وظایف مختلف، عملکردی برابر یا بهتر از مدلهای تخصصی هر حوزه دارد.
🔗 HuggingFace | GitHub | arXiv
#معرفی #LOGOS
تیم Tongyi Lab از Alibaba مدل LOGOS را معرفی کرده است، یک مدل هوش مصنوعی بزرگ (LLM) که برای پوشش تمام علوم طبیعی طراحی شده است. ایده اصلی این مدل، مشابه ChatGPT که کلمه بعدی را پیشبینی میکند، پیشبینی قطعه بعدی پروتئین، مولکول یا واکنش شیمیایی است. اشیاء علمی مختلف با یک زبان توکن مشترک نمایش داده میشوند که امکان انتقال دانش بین حوزهها را فراهم میکند؛ مثلاً درک مولکولها به کار با پروتئینها کمک میکند. به گفته توسعهدهندگان، LOGOS در وظایف مختلف، عملکردی برابر یا بهتر از مدلهای تخصصی هر حوزه دارد.
🔗 HuggingFace | GitHub | arXiv
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#معرفی #LOGOS
This media is not supported in your browser
VIEW IN TELEGRAM
📚 جزوات ترنسفورمرها و مدلهای زبانی بزرگ از استنفورد
مجموعه ارزشمندی از جزوات دوره CME-295 دانشگاه استنفورد با تمرکز بر مدلهای زبانی بزرگ (LLMs) منتشر شده است. این جزوات مباحث کلیدی مانند توکنایزیشن (Tokenization)، مکانیزم خود-توجهی (Self-Attention)، پرامپتنویسی (Prompting)، تنظیم دقیق (Fine-tuning)، استفاده از LLM به عنوان قاضی (LLM-as-a-judge)، بازیابی افزوده (RAG)، عاملهای هوش مصنوعی (AI Agents) و مدلهای استدلالی را پوشش میدهند.
🔗 دانلود جزوات
#آموزش #Transformers
مجموعه ارزشمندی از جزوات دوره CME-295 دانشگاه استنفورد با تمرکز بر مدلهای زبانی بزرگ (LLMs) منتشر شده است. این جزوات مباحث کلیدی مانند توکنایزیشن (Tokenization)، مکانیزم خود-توجهی (Self-Attention)، پرامپتنویسی (Prompting)، تنظیم دقیق (Fine-tuning)، استفاده از LLM به عنوان قاضی (LLM-as-a-judge)، بازیابی افزوده (RAG)، عاملهای هوش مصنوعی (AI Agents) و مدلهای استدلالی را پوشش میدهند.
🔗 دانلود جزوات
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#آموزش #Transformers
❤3
🚀 معرفی VibeThinker-3B
اخبار جذابی از Weibo AI منتشر شد: مدل بازمتن VibeThinker-3B با ۳ میلیارد پارامتر برای استدلال ریاضی، کدنویسی و سایر حوزههای STEM طراحی شده و تحت مجوز MIT بهصورت کاملاً منبع باز ارائه میشود. این مدل بر روی بنچمارکهای استدلال پیشرفته مانند IMO‑AnswerBench با نتایجی برابر با مدلهای چند صد میلیارد پارامتری مانند DeepSeek V3.2 (۶۷۱B) یا Kimi K2.5 (۱T) عملکرد نشان میدهد و در مسابقات LeetCode نادیده 96.1٪ پذیرش دارد. میتوانید مدل را بهصورت مستقیم از Hugging Face دانلود کنید و برای آزمایشهای خود از رابط ModelScope استفاده کنید. جزئیات فنی و مقاله مرتبط در لینکهای زیر موجود است.
🔗 Hugging Face – VibeThinker-3B
🔗 لینکهای اصلی پست:
🔗 modelscope.ai
#خبر #HuggingFace
اخبار جذابی از Weibo AI منتشر شد: مدل بازمتن VibeThinker-3B با ۳ میلیارد پارامتر برای استدلال ریاضی، کدنویسی و سایر حوزههای STEM طراحی شده و تحت مجوز MIT بهصورت کاملاً منبع باز ارائه میشود. این مدل بر روی بنچمارکهای استدلال پیشرفته مانند IMO‑AnswerBench با نتایجی برابر با مدلهای چند صد میلیارد پارامتری مانند DeepSeek V3.2 (۶۷۱B) یا Kimi K2.5 (۱T) عملکرد نشان میدهد و در مسابقات LeetCode نادیده 96.1٪ پذیرش دارد. میتوانید مدل را بهصورت مستقیم از Hugging Face دانلود کنید و برای آزمایشهای خود از رابط ModelScope استفاده کنید. جزئیات فنی و مقاله مرتبط در لینکهای زیر موجود است.
🔗 Hugging Face – VibeThinker-3B
🔗 لینکهای اصلی پست:
🔗 modelscope.ai
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #HuggingFace