‏🤖 معرفی سیستم ارکستراسیون عامل Fugu از Sakana AI

‏شرکت Sakana AI سیستم ارکستراسیون عامل (Agent Orchestration) خود با نام Fugu را پس از دو ماه دوره بتا، به صورت عمومی منتشر کرد. این سیستم، که در آوریل معرفی شده بود، یک مدل زبان کوچک (LLM) است که برای فراخوانی و مدیریت سایر LLM‌ها آموزش دیده. Fugu به جای تعریف دستی مکانیزم‌ها و نقش‌ها، به صورت تطبیقی تصمیم می‌گیرد کدام LLM را با چه نقشی و برای چه زیروظایفی فراخوانی کند و در برخی پیکربندی‌ها از Fable 5 نیز پیشی می‌گیرد.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#معرفی #AgentAI

‏🤖 مقایسه GLM 5.2 و Opus 4.8

‏برای مقایسه عملکرد و هزینه GLM 5.2 و Opus 4.8، از هر دو مدل با یک پرامپت یکسان خواسته شد تا یک بازی Backrooms را در قالب HTML تولید کنند.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#گزارش #GLM

‏🐎 معرفی HappyHorse 1.1 از Alibaba

‏Alibaba به‌تازگی نسخه ۱.۱ از مدل تولید ویدیوی خود، HappyHorse را منتشر کرده است. این به‌روزرسانی بهبودهای قابل توجهی در کیفیت ویدیوها به ارمغان آورده است، از جمله حرکات روان‌تر و جزئیات واضح‌تر. همچنین، HappyHorse 1.1 قادر است با استفاده از حداکثر ۹ تصویر مرجع، شخصیت‌های ثابتی را در طول ویدیو حفظ کند که به انسجام بصری کمک شایانی می‌کند.

‏مهم‌ترین نوآوری در این نسخه، قابلیت همگام‌سازی بومی (native) صدای چندزبانه است. این ویژگی به کاربران امکان می‌دهد تا ویدیوهایی با دیالوگ و صدا به زبان‌های مختلف تولید کنند. HappyHorse 1.1 از حالت‌های مختلفی پشتیبانی می‌کند، از جمله text-to-video (تبدیل متن به ویدیو)، image-to-video (تبدیل تصویر به ویدیو) و حالت reference (استفاده از مرجع).

‏ویدیوهای خروجی با HappyHorse 1.1 می‌توانند بین ۳ تا ۱۵ ثانیه طول داشته باشند و با کیفیت 720p یا 1080p تولید شوند که شامل دیالوگ‌ها و جلوه‌های صوتی نیز می‌شوند. این مدل پیشرفته هم‌اکنون از طریق Alibaba Cloud و پلتفرم fal.ai در دسترس قرار گرفته است.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی

‏🚀 یادگیری رایگان هوش مصنوعی از غول‌های فناوری

‏این پست لیستی از منابع آموزشی رایگان هوش مصنوعی را از شرکت‌های پیشرو در این حوزه معرفی می‌کند. این منابع فرصتی عالی برای متخصصان علم داده فراهم می‌کنند تا دانش خود را در زمینه‌های مختلف هوش مصنوعی به‌روز نگه دارند.

‏شرکت‌هایی مانند Anthropic، Google، Meta، NVIDIA، Microsoft، OpenAI، IBM، AWS، DeepLearning.AI و Hugging Face دوره‌ها و آموزش‌های رایگانی را در پلتفرم‌های خود ارائه می‌دهند. این آموزش‌ها طیف وسیعی از موضوعات، از مبانی یادگیری ماشین گرفته تا کاربردهای پیشرفته هوش مصنوعی و ابزارهای تخصصی مانند CUDA را پوشش می‌دهند.

‏برای دسترسی به این منابع، می‌توانید از لینک‌های زیر استفاده کنید:
‏📖 Anthropic
‏📖 Google AI
‏📖 Meta AI Resources
‏📖 NVIDIA CUDA
‏📖 Microsoft Training
‏📖 OpenAI Academy
‏📖 IBM SkillsBuild
‏📖 AWS Skillbuilder
‏📖 DeepLearning.AI
‏📖 Hugging Face Learn
‏🔗 grow.google

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#آموزش #OpenAI

‏📚 راهنمای جامع تکنیک‌های پیشرفته RAG

‏این کتابچه راهنمایی، بهینه‌سازی سامانه‌های تولید مبتنی بر بازیابی (Retrieval-Augmented Generation یا RAG) را هدف قرار داده است. RAG با اتصال مدل‌های زبانی بزرگ (LLMs) به پایگاه دانش خارجی، دقت و واقع‌گرایی پاسخ‌ها را به طور چشمگیری افزایش می‌دهد. این منبع برای پژوهشگران و توسعه‌دهندگانی که به دنبال ارتقاء عملکرد سیستم‌های RAG و چت‌بات‌های خود هستند، بسیار مفید است.

‏کتاب چهار مرحله کلیدی در فرایند RAG را به تفصیل شرح می‌دهد: نمایه‌سازی (Indexing) شامل پیش‌پردازش داده و استراتژی‌های تقسیم‌بندی (Chunking) برای ساختاردهی و جستجوی بهتر؛ پیش‌بازیابی (Pre-Retrieval) که با استفاده از LLMs به بازنویسی و هدایت هوشمندانه پرسش‌ها می‌پردازد؛ بازیابی (Retrieval) با به‌کارگیری فیلترهای فراداده و جستجوی ترکیبی.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#آموزش #RAG

‏📚 راهنمای رایگان MIT برای مفاهیم کلیدی بینایی ماشین

‏موسسه فناوری ماساچوست (MIT) کتابی رایگان در زمینه بینایی ماشین منتشر کرده است که مفاهیم کلیدی این حوزه را پوشش می‌دهد. این راهنما برای علاقه‌مندان به هوش مصنوعی و یادگیری ماشین که به دنبال درک عمیق‌تر بینایی ماشین هستند، بسیار مفید است.

‏🔗 MIT Computer Vision Book

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#آموزش #ComputerVision

‏🏴 تاسوعای حسینی تسلیت باد!

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#مناسبت #تاسوعا

‏🔍 مدل Unlimited OCR از Baidu: انقلابی در پردازش اسناد طولانی

‏شرکت Baidu از مدل جدیدی به نام Unlimited OCR رونمایی کرده است که قابلیت پردازش اسناد بسیار طولانی را در یک مرحله (one-pass) فراهم می‌کند. این مدل با ۳ میلیارد پارامتر، تنها از ۵۰۰ میلیون پارامتر فعال استفاده می‌کند و در بنچمارک‌های OmniDocBench v1.5 و v1.6 به نتایج پیشرفته (SOTA) دست یافته است.

‏ویژگی کلیدی این مدل، مکانیزم نوآورانه Reference Sliding Window Attention است. این مکانیزم به مدل اجازه می‌دهد تا همزمان روی متن اصلی سند، زمینه (context) اخیر و کلمات بعدی تمرکز کند و در عین حال، اطلاعات غیرضروری را به تدریج کنار بگذارد تا از افزایش بی‌رویه محاسبات جلوگیری شود.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#معرفی #UnlimitedOCR

‏🤖 به‌روز‌رسانی SeeDance 2.5 و Seedream 5.0 Pro

‏ شرکت ByteDance در کنفرانس Volcengine FORCE نسخه جدید SeeDance 2.5 را معرفی کرد. این به‌روزرسانی امکان پشتیبانی از تا ۵۰ مرجع چندرسانه‌ای، از جمله مدل‌های سه‌بعدی، ویرایش بر پایه پرامپت و پخش بومی ۴K را فراهم می‌کند. در همان حال SeeDance 2.0 نیز پس از یک دوره توسعه به پشتیبانی ۴K دست یافت.

‏در همین زمان، Seedream 5.0 Pro به‌روزرسانی شد و امکان ویرایش لایه‌به‑لایه محتوا به‌سان ابزار reve‑2.0 را اضافه کرده؛ به‌علاوه مدل صوتی جدید Seed‑Audio 1.0 نیز در این نسخه گنجانده شد. خانواده Seed نیز به نسخه 2.1 ارتقاء یافت، اگرچه عملکرد مدل‌های زبان (LLM) همچنان رضایت‌بخش نیست.

‏نگاه‌ها به سوی تاریخ انتشار SeeDance 2.5 در ماه ژوئیه متمرکز شده‌اند و این افزونه‌ها گام‌های مهمی در جهت ارتقای تولید محتوای مولد چندرسانه‌ای خواهند داشت.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#خبر #DataScience

‏🤖 سیستم حافظه بلندمدت متن باز Tencent برای عوامل هوش مصنوعی

‏Tencent اخیراً سامانهٔ «TencentDB Agent Memory» را به‌صورت متن باز منتشر کرد. این سیستم با استفاده از یک هرم معنایی چهار لایه، مصرف توکن را تا ۶۱٫۳۸٪ کاهش می‌دهد و به‌صورت کاملاً محلی بدون وابستگی به APIهای خارجی اجرا می‌شود. لایهٔ صفر شامل لاگ‌های مکالمهٔ خام، لایهٔ یک واقعیت‌های اتمی استخراج‌شده، لایهٔ دو بلوک‌های صحنه‌ای ترکیبی، و لایهٔ سه شخصیت کاربر نهایی است که از تمامی لایه‌های پایین استخراج می‌شود. عامل ابتدا شخصیت کامل را می‌خواند و تنها در صورت نیاز به جزئیات خاص به لاگ‌های خام مراجعه می‌کند؛ لایه‌های بالاتر قضاوت و لایه‌های پایین‌تر شواهد را فراهم می‌آورند.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#ابزار #DataScience

‏🤖 کلیپ‌برد Claude Tag از Anthropic

‏امروزه Anthropic نسخهٔ جدیدی از Claude به نام «Claude Tag» را معرفی کرد که امکان افزودن Claude به عنوان یک عضو تیم در کانال‌های Slack را فراهم می‌کند. با صدا زدن @Claude می‌توانید وظیفه‌ای را به او واگذار کنید؛ Claude بلافاصله کار را اجرا و نتایج را در همان چت می‌فرستد، طوری که بدون خروج از گفت‌وگو می‌توانید کدهای تولید شده را مرور و ادغام کنید. این قابلیت برای هرکس در کانال قابل دسترسی است و می‌تواند تعامل تیمی را سرعت بخشد.

‏به‌گفتهٔ Anthropic، اکنون حدود ۶۵ ٪ کدهای داخلی یک استارتاپ توسط نسخهٔ داخلی Claude Tag تولید می‌شود، که نشان‌دهندهٔ پذیرش گسترده این ابزار در محیط‌های توسعه است. این تغییر، سومین بازطراحی بزرگ رابط کاربری/تجربهٔ کاربری (UI/UX) برای LLMها محسوب می‌شود: اولی‌ که LLMها به‌صورت وبسایت در دسترس بودند، دومین که به‌صورت برنامهٔ دسکتاپ نصب می‌شدند و حالا سومین مرحله به‌عنوان یک موجودیت مستقل، مقاوم و ناهمزمان با قابلیت ادغام در ابزارهای سازمانی معرفی شده است.

‏🔗 Claude Tag

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

‏🤖 آموزش ساخت مدل شبه GPT در PyTorch با ۱۰ نوت‌بوک گام‌به‌گام

‏اگر به دنبال درک عمیق معماری داخلی LLM‌های مدرن هستید، یک مخزن گیت‌هاب عالی پیدا شده که شامل ۱۰ نوت‌بوک Jupyter با توضیحات دقیق و پیاده‌سازی عملی اجزای اصلی مدل‌های زبانی است. این مخزن از صفر تا صد مراحل ساخت یک مدل مشابه GPT را در PyTorch پوشش می‌دهد و برای یادگیری مفاهیمی مانند self-attention، transformer blocks، tokenization و آموزش گام‌به‌گام مناسب است.

‏🔗 مخزن llms-from-scratch در گیت‌هاب

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#آموزش #PyTorch

‏🤖 OpenAI و تراشه Jalapeño: ورود به سخت‌افزار AI

‏OpenAI با همکاری Broadcom، از اولین تراشه هوش مصنوعی اختصاصی خود به نام Jalapeño برای استنتاج (inference) مدل‌های زبان بزرگ (LLM) رونمایی کرد. هدف این تراشه، اجرای سریع‌تر، ارزان‌تر و پایدارتر ChatGPT، Codex و APIهای OpenAI است. نکته قابل توجه اینکه این تراشه تنها در ۹ ماه از ایده تا tape-out (مرحله آماده‌سازی برای تولید) توسعه یافته و حتی مدل‌های هوش مصنوعی خود OpenAI نیز در طراحی آن نقش داشته‌اند. این حرکت نشان‌دهنده ورود OpenAI به رقابت کامل زیرساخت هوش مصنوعی، شامل تراشه‌ها، شبکه و دیتاسنترها، فراتر از صرفاً رقابت مدل‌هاست.

‏🔗 OpenAI Broadcom Jalapeño Inference Chip

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#خبر #OpenAI

‏🏴 عاشورای حسینی تسلیت باد

‏ایام سوگواری عاشورای حسینی و شهادت امام حسین (ع) و یاران باوفایش را تسلیت عرض می‌کنیم.

این حسین کیست که عالم همه دیوانه‌ی اوست
این چه شمعی‌ست که جان‌ها همه پروانه‌ی اوست

🏴 «مثْلِي لاَ يُبَايِعُ مِثْلَهُ»

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#مناسبت #عاشورا

‏🤖 Qwen-AgentWorld: بنچمارک جدید agent که از GPT-5.4 و Claude Opus پیشی گرفت
‏تیم Qwen از بنچمارک جدیدی به نام Qwen-AgentWorld رونمایی کرد که محیط‌های واقعی agent مانند وب، ترمینال، کدنویسی، جستجو، سیستم‌عامل و اندروید را شبیه‌سازی می‌کند. مدل ۳۹۷ میلیارد پارامتری این مجموعه امتیاز ۵۸.۷۱ را ثبت کرده و از Claude Opus 4.8 و GPT-5.4 پیشی گرفته است. مدل ۳۵ میلیارد پارامتری MoE نیز از Sonnet 4.6 بهتر عمل کرده است. بیشترین بهبودها در حوزه کدنویسی، وب و ترمینال مشاهده می‌شود. وزن مدل‌ها روی Hugging Face در دسترس است.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#ابزار #DataScience