🤖 BrowserBC – رویکردی کارآمدتر برای Web Agents
🔬 تیم ViDA پروژه متنباز BrowserBC را منتشر کرده که روش تازهای برای اجرای web agents ارائه میدهد. بهجای استفاده از مدلهای قدرتمند (frontier) در هر مرحله، ابتدا یک human web flow را با مدل قویتر ضبط میکنند و آن را به یک مهارت قابل استفاده مجدد (reusable skill) تبدیل میکنند.
⚡️ سپس اجرای آن مهارت به یک مدل کوچکتر و ارزانتر واگذار میشود. نتایج روی WebArena-Hard قابل توجه است: تعداد فراخوانی ابزار (tool calls) ۲۷٪ کاهش یافته و نرخ موفقیت از ۶۰٪ به ۸۱٪ افزایش پیدا کرده است.
🔗 GitHub – BrowserBC
#پژوهش #AgentAI
🔬 تیم ViDA پروژه متنباز BrowserBC را منتشر کرده که روش تازهای برای اجرای web agents ارائه میدهد. بهجای استفاده از مدلهای قدرتمند (frontier) در هر مرحله، ابتدا یک human web flow را با مدل قویتر ضبط میکنند و آن را به یک مهارت قابل استفاده مجدد (reusable skill) تبدیل میکنند.
⚡️ سپس اجرای آن مهارت به یک مدل کوچکتر و ارزانتر واگذار میشود. نتایج روی WebArena-Hard قابل توجه است: تعداد فراخوانی ابزار (tool calls) ۲۷٪ کاهش یافته و نرخ موفقیت از ۶۰٪ به ۸۱٪ افزایش پیدا کرده است.
🔗 GitHub – BrowserBC
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#پژوهش #AgentAI
📊 اقتصاد هوش مصنوعی؛ ۱۱۰ میلیارد دلار درآمد واقعی
بر اساس گزارش Exponential View، صنعت هوش مصنوعی در ۱۲ ماه گذشته ۱۱۰ میلیارد دلار درآمد واقعی (بدون احتساب زنجیره تأمین) تولید کرده است. نرخ سالانه این درآمد به ۱۷۵ میلیارد دلار (بهجز چین، بهرهوری داخلی و مشاوره) رسیده است.
🚀 رشد درآمد هوش مصنوعی حدود ۳ برابر سریعتر از اینترنت و موبایل در مراحل مشابه است. سرعت شکلگیری درآمد نیز به شدت افزایش یافته: در ۲۰۲۳ هر میلیارد دلار اضافی ۱۸۰ روز زمان میبرد، امروز کمتر از ۲ روز.
#خبر #DataScience
بر اساس گزارش Exponential View، صنعت هوش مصنوعی در ۱۲ ماه گذشته ۱۱۰ میلیارد دلار درآمد واقعی (بدون احتساب زنجیره تأمین) تولید کرده است. نرخ سالانه این درآمد به ۱۷۵ میلیارد دلار (بهجز چین، بهرهوری داخلی و مشاوره) رسیده است.
🚀 رشد درآمد هوش مصنوعی حدود ۳ برابر سریعتر از اینترنت و موبایل در مراحل مشابه است. سرعت شکلگیری درآمد نیز به شدت افزایش یافته: در ۲۰۲۳ هر میلیارد دلار اضافی ۱۸۰ روز زمان میبرد، امروز کمتر از ۲ روز.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #DataScience
🧠 گزارش هوشمند DataPlusScience
━━━━━━━━━━━━━━━━━━━━
🗂 شماره: #50 | بازه: ۲۴ ساعت گذشته / گزارش روزانه
📦 پستهای بررسیشده: 9
🕐 از: شنبه 1405/04/06 ساعت 14:00
🕛 تا: یکشنبه 1405/04/07 ساعت 14:00
━━━━━━━━━━━━━━━━━━━━
🤖 بنچمارکهای LLM و الگوهای استفاده
🛠️ ابزارهای توسعهدهندگان
🧠 عاملهای هوش مصنوعی و خودکارسازی
💼 اقتصاد هوش مصنوعی
━━━━━━━━━━━━━━━━━━━━
🗂 شماره: #50 | بازه: ۲۴ ساعت گذشته / گزارش روزانه
📦 پستهای بررسیشده: 9
🕐 از: شنبه 1405/04/06 ساعت 14:00
🕛 تا: یکشنبه 1405/04/07 ساعت 14:00
━━━━━━━━━━━━━━━━━━━━
🤖 بنچمارکهای LLM و الگوهای استفاده
بنچمارک MirrorCode از Epoch AI و METR بررسی میکند که آیا LLMها میتوانند اپلیکیشنهای کامل را بدون دیدن سورس بازنویسی کنند. Claude Opus 4.7 با ۵۶٪ راهحل عالی در صدر قرار گرفت و تنها مدلی بود که همه تسکهای Large را حل کرد. پرهزینهترین اجرا ۱۹ روز و ۲۶۰۰ دلار وقت برد.
🔗 مشاهده پست
گزارش Cadences از Anthropic مکالمات ناشناس نزدیک به ۱۰۰۰۰ کاربر Claude را تحلیل کرده است. استفاده شخصی در آخر هفته به ۵۰٪ میرسد، درخواستهای دستور پخت حدود ساعت ۶ عصر ۲.۳ برابر میانگین میشود و سوالات مالیاتی پیش از مهلت ارسال ۸ برابر سطح عادی افزایش مییابد.
🔗 مشاهده پست
🛠️ ابزارهای توسعهدهندگان
کتابخانه CuPy جایگزین drop‑in برای NumPy با پشتیبانی مستقیم GPU است. فقط کافیست import numpy as np را به import cupy as cp تغییر دهید تا همان کد تا ۱۰۰ برابر سریعتر روی CUDA و AMD ROCm اجرا شود.
🔗 مشاهده پست
ابزار codebase-memory کل ریپو را به یک گراف کامل از توابع، فایلها و وابستگیها تبدیل میکند. کرنل لینوکس با ۲۸ میلیون خط کد را تنها در ۳ دقیقه ایندکس میکند و نیاز به دستورات تکراری grep را از بین میبرد.
🔗 مشاهده پست
فرصت طلایی: دارندگان ایمیل دانشگاهی میتوانند اشتراک Pro سالانه ادیتور Zed (ارزش ۱۲۰ دلار) را با مدلهای Claude Sonnet 4.6، GPT 5.5، Gemini 3.1 Pro و دهها مدل دیگر، به همراه ۱۰ دلار کردیت API رایگان دریافت کنند.
🔗 مشاهده پست
🧠 عاملهای هوش مصنوعی و خودکارسازی
گوگل مستند جامعی درباره عاملهای هوش مصنوعی منتشر کرده که مفاهیم معماری شناختی، ابزارها، LangChain و Vertex AI را پوشش میدهد و نمونهکدهای عملی برای استقرار در محیط تولید ارائه میکند.
🔗 مشاهده پست
BrowserBC رویکردی کارآمد برای web agents ارائه میدهد: با ضبط یک human flow با مدل قوی و تبدیل آن به مهارت قابل استفاده مجدد، سپس اجرا با مدل کوچکتر. نتیجه روی WebArena-Hard: کاهش ۲۷٪ فراخوانی ابزار و افزایش نرخ موفقیت از ۶۰٪ به ۸۱٪.
🔗 مشاهده پست
قابلیت جدید Google Flow با اتصال به Google Maps Street View: کاربر آدرسی وارد میکند، عامل هوشمند عکسهای خیابان را گرفته، صحنه را بازسازی و سپس انیمیت میکند. هر خیابانی در جهان میتواند رفرنس ویدئو باشد.
🔗 مشاهده پست
💼 اقتصاد هوش مصنوعی
بر اساس گزارش Exponential View، صنعت هوش مصنوعی در ۱۲ ماه گذشته ۱۱۰ میلیارد دلار درآمد واقعی تولید کرده که با نرخ سالانه به ۱۷۵ میلیارد دلار میرسد. رشد درآمد ۳ برابر سریعتر از اینترنت و موبایل در مراحل مشابه است. زمان اضافه شدن هر میلیارد دلار درآمد از ۱۸۰ روز در ۲۰۲۳ به کمتر از ۲ روز کاهش یافته است.
🔗 مشاهده پست
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🎁 ۵۰۰ دلار اعتبار API رایگان برای مدلهای پیشرفته
یک سرویس API هوش مصنوعی با ارائه ۵۰۰ دلار اعتبار هدیه، دسترسی به مدلهای متنوعی مثل Claude Opus 4.8، GPT‑5، Gemini 3 Pro، Grok 4، Llama 4، DeepSeek V3.2، Qwen3 Max و دهها مدل دیگر را فراهم کرده است.
📌 ثبتنام از طریق ربات تلگرام انجام میشود: ابتدا استارت بزنید، در کانال عضو شوید و سپس تأیید عضویت دهید. در صورت خطا، دوباره تلاش کنید.
🌐 پس از ورود به داشبورد، تمام مدلها قابل مشاهده هستند و میتوانید API Key اختصاصی برای هر مدل بسازید. مدل Claude Opus 4.8 تست شده و خوب کار میکند.
⚠️ هشدار مهم: این سرویس غیررسمی است. ممکن است از دادهها برای آموزش استفاده شود. اگر پروژهای با ارزش بالا دارید، با احتیاط استفاده کنید. همچنین برای کارهای ساده از مدلهای ضعیفتر برای حفظ اعتبار استفاده کنید.
#ابزار #DataScience
یک سرویس API هوش مصنوعی با ارائه ۵۰۰ دلار اعتبار هدیه، دسترسی به مدلهای متنوعی مثل Claude Opus 4.8، GPT‑5، Gemini 3 Pro، Grok 4، Llama 4، DeepSeek V3.2، Qwen3 Max و دهها مدل دیگر را فراهم کرده است.
📌 ثبتنام از طریق ربات تلگرام انجام میشود: ابتدا استارت بزنید، در کانال عضو شوید و سپس تأیید عضویت دهید. در صورت خطا، دوباره تلاش کنید.
🌐 پس از ورود به داشبورد، تمام مدلها قابل مشاهده هستند و میتوانید API Key اختصاصی برای هر مدل بسازید. مدل Claude Opus 4.8 تست شده و خوب کار میکند.
⚠️ هشدار مهم: این سرویس غیررسمی است. ممکن است از دادهها برای آموزش استفاده شود. اگر پروژهای با ارزش بالا دارید، با احتیاط استفاده کنید. همچنین برای کارهای ساده از مدلهای ضعیفتر برای حفظ اعتبار استفاده کنید.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#ابزار #DataScience
💻 هزینهی ساخت دیتاسنتر در آمریکا از پروژههای زیرساختی پیشی گرفت
بر اساس گزارش بلومبرگ، هزینهی ساخت دیتاسنتر در آمریکا به ۵۰ میلیارد دلار رسیده که از مجموع هزینههای ساخت فرودگاه، بنادر و حملونقل عمومی بیشتر است. 🏗️
این روند با ۳۵۷٪ افزایش نسبت به سال ۲۰۲۲ ادامه دارد و اکنون ۲.۳٪ از کل هزینههای ساختوساز در آمریکا را به خود اختصاص داده است. 🚀
#گزارش #DataScience
بر اساس گزارش بلومبرگ، هزینهی ساخت دیتاسنتر در آمریکا به ۵۰ میلیارد دلار رسیده که از مجموع هزینههای ساخت فرودگاه، بنادر و حملونقل عمومی بیشتر است. 🏗️
این روند با ۳۵۷٪ افزایش نسبت به سال ۲۰۲۲ ادامه دارد و اکنون ۲.۳٪ از کل هزینههای ساختوساز در آمریکا را به خود اختصاص داده است. 🚀
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#گزارش #DataScience
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 کلود ربات سگمانند را ۳۷ برابر سریعتر از انسان هدایت کرد
آنتروپیک مدل Claude Opus 4.7 را روی یک ربات چهارپا (کوادروپد) آزمایش کرد و وظایف فنی را به آن سپرد که قبلاً تیمهای انسانی انجام میدادند: اتصال به دوربین و حسگرها، نوشتن نرمافزار کنترل و راهاندازی تشخیص اشیا.
⚡ در چهار وظیفهای که هم توسط انسان و هم توسط کلود انجام شد، کلود در فقط ۹ دقیقه و ۳۵ ثانیه کار را تمام کرد. یک تیم با کمک کلود ۱۸۱ دقیقه زمان برد، و تیمی بدون هوش مصنوعی ۳۶۱ دقیقه. یعنی کلود ۳۷ برابر سریعتر از انسانهای بدون AI و نزدیک به ۱۹ برابر سریعتر از انسانهایی که از AI استفاده میکنند.
🧠 کلود همچنین در این آزمایش ده برابر کد کمتری نسبت به تیم کمکگرفته از کلود در آزمایش قبلی نوشت، و بیشتر کدهایش در اولین تلاش کار کرد.
آنتروپیک مدل Claude Opus 4.7 را روی یک ربات چهارپا (کوادروپد) آزمایش کرد و وظایف فنی را به آن سپرد که قبلاً تیمهای انسانی انجام میدادند: اتصال به دوربین و حسگرها، نوشتن نرمافزار کنترل و راهاندازی تشخیص اشیا.
⚡ در چهار وظیفهای که هم توسط انسان و هم توسط کلود انجام شد، کلود در فقط ۹ دقیقه و ۳۵ ثانیه کار را تمام کرد. یک تیم با کمک کلود ۱۸۱ دقیقه زمان برد، و تیمی بدون هوش مصنوعی ۳۶۱ دقیقه. یعنی کلود ۳۷ برابر سریعتر از انسانهای بدون AI و نزدیک به ۱۹ برابر سریعتر از انسانهایی که از AI استفاده میکنند.
🧠 کلود همچنین در این آزمایش ده برابر کد کمتری نسبت به تیم کمکگرفته از کلود در آزمایش قبلی نوشت، و بیشتر کدهایش در اولین تلاش کار کرد.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
⚡ اوراکل: ۲۱ هزار شغل حذف شد، ۵۰ میلیارد دلار زیرساخت هوش مصنوعی
برای اولین بار در تاریخ اساندپی ۵۰۰، شرکتی در گزارش SEC به صراحت اخراجهای گسترده را به هوش مصنوعی نسبت داده است. اوراکل با کاهش ۲۱ هزار نفر (۱۳٪ نیروی کار) و ثبت ۱.۸ میلیارد دلار هزینه بازسازی، اعلام کرد پذیرش هوش مصنوعی محرک این تغییرات است.
📊 دادههای داخلی نشان میدهد تیم ۴۷ نفره مدیریت پایگاه داده به ۳ معمار ارشد با پشتیبانی AI کاهش یافته است. این سیستم ۹۴٪ مشکلات را پیش از بحرانی شدن شناسایی میکند و کارهای مهندسی که ۶ هفته زمان میبردند، حالا تنها ۶ ساعت طول میکشند.
#خبر #Oracle
برای اولین بار در تاریخ اساندپی ۵۰۰، شرکتی در گزارش SEC به صراحت اخراجهای گسترده را به هوش مصنوعی نسبت داده است. اوراکل با کاهش ۲۱ هزار نفر (۱۳٪ نیروی کار) و ثبت ۱.۸ میلیارد دلار هزینه بازسازی، اعلام کرد پذیرش هوش مصنوعی محرک این تغییرات است.
📊 دادههای داخلی نشان میدهد تیم ۴۷ نفره مدیریت پایگاه داده به ۳ معمار ارشد با پشتیبانی AI کاهش یافته است. این سیستم ۹۴٪ مشکلات را پیش از بحرانی شدن شناسایی میکند و کارهای مهندسی که ۶ هفته زمان میبردند، حالا تنها ۶ ساعت طول میکشند.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #Oracle
📊 ۱۵ کتابخانه ضروری پایتون برای شروع علم داده
🔹 NumPy — عملیات عددی و کار با آرایهها
🔹 Pandas — دستکاری داده با DataFrame و Series
🔹 Matplotlib — رسم نمودارهای دوبعدی
🔹 Seaborn — مصورسازی آماری روی Matplotlib
🔹 Scikit-learn — یادگیری ماشین (طبقهبندی، رگرسیون، خوشهبندی)
🔹 TensorFlow — فریمورک متنباز یادگیری ماشین
🔹 PyTorch — کتابخانه یادگیری عمیق (محبوب تحقیق شبکههای عصبی)
🔹 SciPy — محاسبات علمی و فنی
🔹 Statsmodels — مدلسازی آماری و اقتصادسنجی
🔹 NLTK — پردازش زبان طبیعی (متن)
🔹 Gensim — مدلسازی موضوعی و تشابه اسناد
🔹 Keras — API سطح بالای شبکه عصبی روی TensorFlow
🔹 Plotly — نمودارهای تعاملی
🔹 Beautiful Soup — وباسکرپینگ (استخراج داده از HTML/XML)
🔹 OpenCV — بینایی کامپیوتر
📚 دورههای رایگان عالی هم در دسترس است:
🔹 Python Tutorial
🔹 Data Science Course (Kaggle)
🔹 Machine Learning Crash Course (Google)
🔹 NumPy — عملیات عددی و کار با آرایهها
🔹 Pandas — دستکاری داده با DataFrame و Series
🔹 Matplotlib — رسم نمودارهای دوبعدی
🔹 Seaborn — مصورسازی آماری روی Matplotlib
🔹 Scikit-learn — یادگیری ماشین (طبقهبندی، رگرسیون، خوشهبندی)
🔹 TensorFlow — فریمورک متنباز یادگیری ماشین
🔹 PyTorch — کتابخانه یادگیری عمیق (محبوب تحقیق شبکههای عصبی)
🔹 SciPy — محاسبات علمی و فنی
🔹 Statsmodels — مدلسازی آماری و اقتصادسنجی
🔹 NLTK — پردازش زبان طبیعی (متن)
🔹 Gensim — مدلسازی موضوعی و تشابه اسناد
🔹 Keras — API سطح بالای شبکه عصبی روی TensorFlow
🔹 Plotly — نمودارهای تعاملی
🔹 Beautiful Soup — وباسکرپینگ (استخراج داده از HTML/XML)
🔹 OpenCV — بینایی کامپیوتر
📚 دورههای رایگان عالی هم در دسترس است:
🔹 Python Tutorial
🔹 Data Science Course (Kaggle)
🔹 Machine Learning Crash Course (Google)
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🤖 Grok 4.5 بر پایه مدل ۱.۵ تریلیون پارامتری V9
🤖 مدل جدید Grok 4.5 با استفاده از مدل پایه V9 شرکت xAI ساخته شده که ۱.۵ تریلیون پارامتر دارد و از دادههای Cursor نیز استفاده کرده است. این مدل تقریباً سه برابر بزرگتر از نسخه قبلی (v8-small با ۰.۵ تریلیون پارامتر) است.
🚀 مدل V9 بهعنوان سیستمی قوی و قابل اعتماد مشابه Opus توصیف شده، نه یک جهش ناگهانی در عملکرد. نکته جالب اینکه سرعت پیشرفت xAI به دلیل انتقال مهندسان ارشد از پروژههای Starlink و Starship به حوزه هوش مصنوعی افزایش یافته است.
🔬 مدل قبلی v8 که در Grok 4.3 استفاده شده بود، در دسامبر تکمیل شد و محدودیتهای قابل توجهی داشت. انتظار میرود Grok 4.5 یک پیشرفت بزرگ در قابلیتها باشد.
#خبر #DataScience
🤖 مدل جدید Grok 4.5 با استفاده از مدل پایه V9 شرکت xAI ساخته شده که ۱.۵ تریلیون پارامتر دارد و از دادههای Cursor نیز استفاده کرده است. این مدل تقریباً سه برابر بزرگتر از نسخه قبلی (v8-small با ۰.۵ تریلیون پارامتر) است.
🚀 مدل V9 بهعنوان سیستمی قوی و قابل اعتماد مشابه Opus توصیف شده، نه یک جهش ناگهانی در عملکرد. نکته جالب اینکه سرعت پیشرفت xAI به دلیل انتقال مهندسان ارشد از پروژههای Starlink و Starship به حوزه هوش مصنوعی افزایش یافته است.
🔬 مدل قبلی v8 که در Grok 4.3 استفاده شده بود، در دسامبر تکمیل شد و محدودیتهای قابل توجهی داشت. انتظار میرود Grok 4.5 یک پیشرفت بزرگ در قابلیتها باشد.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #DataScience
🤖 API رایگان DeepSeek V4 Flash از OpenModel
سرویس OpenModel مدل قدرتمند DeepSeek V4 Flash را از طریق API بهصورت رایگان در اختیار کاربران قرار داده است. 🚀
برای استفاده به وبسایت مراجعه کنید: OpenModel.ai
#خبر #DataScience
سرویس OpenModel مدل قدرتمند DeepSeek V4 Flash را از طریق API بهصورت رایگان در اختیار کاربران قرار داده است. 🚀
برای استفاده به وبسایت مراجعه کنید: OpenModel.ai
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #DataScience
❤1
🧠 دسترسی رایگان ایجنتها به شبکههای اجتماعی بدون API Key
یک مخزن گیتهاب جدید به نام Agent-Reach به ایجنتهای هوش مصنوعی امکان میدهد بدون نیاز به API Key و کاملاً رایگان به پلتفرمهای Twitter/X، Reddit، YouTube، GitHub و LinkedIn دسترسی پیدا کنند.
🧩 این ابزار برای توسعهدهندگانی که روی ایجنتهای خودکار کار میکنند بسیار مفید است و فرآیند تعامل با شبکههای اجتماعی را سادهتر میکند.
🔗 مخزن Agent-Reach در گیتهاب
#ابزار #AgentAI
یک مخزن گیتهاب جدید به نام Agent-Reach به ایجنتهای هوش مصنوعی امکان میدهد بدون نیاز به API Key و کاملاً رایگان به پلتفرمهای Twitter/X، Reddit، YouTube، GitHub و LinkedIn دسترسی پیدا کنند.
🧩 این ابزار برای توسعهدهندگانی که روی ایجنتهای خودکار کار میکنند بسیار مفید است و فرآیند تعامل با شبکههای اجتماعی را سادهتر میکند.
🔗 مخزن Agent-Reach در گیتهاب
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#ابزار #AgentAI
Media is too big
VIEW IN TELEGRAM
🤖 مایکروسافت Copilot در اکسل را به یک تحلیلگر مالی تبدیل کرد
مایکروسافت سه بهبود بزرگ برای Copilot در Excel مخصوص تیمهای مالی عرضه کرده: مهارتهای قابل استفاده مجدد، دسترسی مستقیم به دادههای مالی و شفافیت بیشتر.
🔹 مهارتها (Skills) گردشکارهای از پیشتعریفشده برای کارهای تکراری مثل ارزشگذاری شرکت، بستن پایانفصل یا گزارشدهی به هیئتمدیره هستند. Copilot دیگر هر بار از صفر شروع نمیکند؛ یک فرایند ساختاریافته را دنبال میکند. کاربران میتوانند مهارتهای داخلی را انتخاب کنند یا با فایلهای Markdown ذخیرهشده در OneDrive مهارت شخصی بسازند.
📊 Copilot حالا میتواند مستقیماً از شش منبع مالی شامل CB Insights، PitchBook، Daloopa، FactSet، Morningstar و S&P Global داده بگیرد – نیاز به کپیپیست دستی از بین میرود.
مایکروسافت سه بهبود بزرگ برای Copilot در Excel مخصوص تیمهای مالی عرضه کرده: مهارتهای قابل استفاده مجدد، دسترسی مستقیم به دادههای مالی و شفافیت بیشتر.
🔹 مهارتها (Skills) گردشکارهای از پیشتعریفشده برای کارهای تکراری مثل ارزشگذاری شرکت، بستن پایانفصل یا گزارشدهی به هیئتمدیره هستند. Copilot دیگر هر بار از صفر شروع نمیکند؛ یک فرایند ساختاریافته را دنبال میکند. کاربران میتوانند مهارتهای داخلی را انتخاب کنند یا با فایلهای Markdown ذخیرهشده در OneDrive مهارت شخصی بسازند.
📊 Copilot حالا میتواند مستقیماً از شش منبع مالی شامل CB Insights، PitchBook، Daloopa، FactSet، Morningstar و S&P Global داده بگیرد – نیاز به کپیپیست دستی از بین میرود.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🚨 نمایش محرمانه AI در کنگره آمریکا
🤖 در یک جلسه غیرعلنی، Anthropic مدل Claude Mythos خود را به کمیته امنیت داخلی مجلس نمایندگان نشان داد. این مدل با شناسایی و اتصال آسیبپذیریها، نقشه حملهای نظری طراحی کرد که میتوانست سیستمهای مالی را مختل و حسابهای بانکی را خالی کند (هیچ پول واقعی در کار نبود).
⚡ رئیس کمیته، گاربارینو، از نمایش دیگری خبر داد که در آن یک مدل AI jailbroken (شکستهشده) در کمتر از ۳۰ ثانیه طرحی دقیق برای ربودن یک قانونگذار تولید کرد. گزارشهای عمومی تأیید نمیکنند که همان Mythos استفاده شده است.
🧠 این نمایشها نگرانی واشنگتن را برجسته کرد: هرچه AI توانمندتر شود، در دستان اشتباه میتواند به ابزاری قدرتمند برای مجرمان سایبری و دولتهای خصم تبدیل شود.
#ابزار #DataScience
🤖 در یک جلسه غیرعلنی، Anthropic مدل Claude Mythos خود را به کمیته امنیت داخلی مجلس نمایندگان نشان داد. این مدل با شناسایی و اتصال آسیبپذیریها، نقشه حملهای نظری طراحی کرد که میتوانست سیستمهای مالی را مختل و حسابهای بانکی را خالی کند (هیچ پول واقعی در کار نبود).
⚡ رئیس کمیته، گاربارینو، از نمایش دیگری خبر داد که در آن یک مدل AI jailbroken (شکستهشده) در کمتر از ۳۰ ثانیه طرحی دقیق برای ربودن یک قانونگذار تولید کرد. گزارشهای عمومی تأیید نمیکنند که همان Mythos استفاده شده است.
🧠 این نمایشها نگرانی واشنگتن را برجسته کرد: هرچه AI توانمندتر شود، در دستان اشتباه میتواند به ابزاری قدرتمند برای مجرمان سایبری و دولتهای خصم تبدیل شود.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#ابزار #DataScience
🚀 اولین LLM بزرگ روی چیپهای چینی
شرکت Meituan از مدل LongCat 2.0 رونمایی کرد، یک LLM عظیم که روی ۵۰ هزار چیپ چینی (مشابه Huawei Ascend 910C) آموزش دیده است. این نخستینباری است که یک مدل در این مقیاس بدون GPU انویدیا یا TPU گوگل ساخته میشود.
🔬 پارامترهای کل مدل ۱.۶ تریلیون است که ۴۸ میلیارد آن فعال (Active) است. پیشآموزش روی ۳۵ تریلیون توکن انجام شده که چند صد میلیارد توکن آن دارای طول زمینه (Context) تا ۱ میلیون توکن بوده است.
🧠 بخش جالب معماری: پارامترهای غیرفعال نه تنها به لایههای MoE، بلکه به n-gram Embeddingهای غولپیکر اختصاص دارد که حدود ۱۰٪ از کل پارامترها را تشکیل میدهند (در نسخهٔ آزمایشی Flash-Lite این سهم به نصف میرسد). مقالهٔ مرتبط: arxiv.org/abs/2601.21204.
⚡ برای مدیریت این حجم از محاسبات، تیم Meituan از 6D Parallelism استفاده کرده و با تغییر الگوریتم Sparse Attention (DSA) نسخهٔ اختصاصی خود را پیادهسازی کرده است.
📊 دو ماه گذشته این مدل با نام رمز Owl Alpha روی OpenRouter در دسترس بود و عملکرد متوسطی داشت. قیمت API: $0.75/$3 به ازای هر میلیون توکن (ورودی/خروجی) — نسبت به سطح هوش مدل نسبتاً گران.
🔗 انتشار وزنها به زودی با مجوز Apache 2.0/MIT (طبق روال قبلی Meituan) انجام میشود:
HuggingFace • وبلاگ رسمی
#پژوهش #DataScience
شرکت Meituan از مدل LongCat 2.0 رونمایی کرد، یک LLM عظیم که روی ۵۰ هزار چیپ چینی (مشابه Huawei Ascend 910C) آموزش دیده است. این نخستینباری است که یک مدل در این مقیاس بدون GPU انویدیا یا TPU گوگل ساخته میشود.
🔬 پارامترهای کل مدل ۱.۶ تریلیون است که ۴۸ میلیارد آن فعال (Active) است. پیشآموزش روی ۳۵ تریلیون توکن انجام شده که چند صد میلیارد توکن آن دارای طول زمینه (Context) تا ۱ میلیون توکن بوده است.
🧠 بخش جالب معماری: پارامترهای غیرفعال نه تنها به لایههای MoE، بلکه به n-gram Embeddingهای غولپیکر اختصاص دارد که حدود ۱۰٪ از کل پارامترها را تشکیل میدهند (در نسخهٔ آزمایشی Flash-Lite این سهم به نصف میرسد). مقالهٔ مرتبط: arxiv.org/abs/2601.21204.
⚡ برای مدیریت این حجم از محاسبات، تیم Meituan از 6D Parallelism استفاده کرده و با تغییر الگوریتم Sparse Attention (DSA) نسخهٔ اختصاصی خود را پیادهسازی کرده است.
📊 دو ماه گذشته این مدل با نام رمز Owl Alpha روی OpenRouter در دسترس بود و عملکرد متوسطی داشت. قیمت API: $0.75/$3 به ازای هر میلیون توکن (ورودی/خروجی) — نسبت به سطح هوش مدل نسبتاً گران.
🔗 انتشار وزنها به زودی با مجوز Apache 2.0/MIT (طبق روال قبلی Meituan) انجام میشود:
HuggingFace • وبلاگ رسمی
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#پژوهش #DataScience
This media is not supported in your browser
VIEW IN TELEGRAM
🧠 متا Brain2Qwerty v2 را رونمایی کرد: تبدیل سیگنالهای مغزی به متن بدون جراحی
متا نسخه دوم سیستم Brain2Qwerty را معرفی کرده که با استفاده از کلاههای MEG (مغناطیسانسفالوگرافی) سیگنالهای مغزی را به متن تبدیل میکند. برخلاف روشهای تهاجمی مثل تراشههای Neuralink، این روش بدون جراحی و فقط با اندازهگیری میدانهای مغناطیسی ضعیف مغز کار میکند.
🪖 کاربر یک کلاه MEG بر سر میگذارد که سیگنالهای مغزی را ثبت میکند. سپس هوش مصنوعی، نویز موجود در فعالیت مغز را فیلتر کرده و ضربههای کلید مورد نظر را بازسازی میکند. خروجی نهایی جملات روان و خوانا هستند.
متا نسخه دوم سیستم Brain2Qwerty را معرفی کرده که با استفاده از کلاههای MEG (مغناطیسانسفالوگرافی) سیگنالهای مغزی را به متن تبدیل میکند. برخلاف روشهای تهاجمی مثل تراشههای Neuralink، این روش بدون جراحی و فقط با اندازهگیری میدانهای مغناطیسی ضعیف مغز کار میکند.
🪖 کاربر یک کلاه MEG بر سر میگذارد که سیگنالهای مغزی را ثبت میکند. سپس هوش مصنوعی، نویز موجود در فعالیت مغز را فیلتر کرده و ضربههای کلید مورد نظر را بازسازی میکند. خروجی نهایی جملات روان و خوانا هستند.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
❤2
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 رقابت بر سر تسلط بر هوش مصنوعی سازمانی
🔥 Anthropic با پیشرانی اخیر خود از OpenAI پیشی گرفته و به تأمینکننده برتر هوش مصنوعی پولی برای کسبوکارهای آمریکایی تبدیل شده است. این تغییر نشاندهنده جابجایی رقابت از برتری در مدلها به تسلط بر گردش کار (workflow) است.
#خبر #DataScience
🔥 Anthropic با پیشرانی اخیر خود از OpenAI پیشی گرفته و به تأمینکننده برتر هوش مصنوعی پولی برای کسبوکارهای آمریکایی تبدیل شده است. این تغییر نشاندهنده جابجایی رقابت از برتری در مدلها به تسلط بر گردش کار (workflow) است.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #DataScience
❤1
🧠 گزارش هوشمند DataPlusScience
━━━━━━━━━━━━━━━━━━━━
🗂 شماره: #51 | بازه: ۲۴ ساعت گذشته / گزارش روزانه
📦 پستهای بررسیشده: 8
🕐 از: دوشنبه 1405/04/08 ساعت 14:00
🕛 تا: سهشنبه 1405/04/09 ساعت 14:00
━━━━━━━━━━━━━━━━━━━━
🎁 ابزارهای رایگان و دسترسیهای جدید
📊 بهبودهای Copilot در اکسل برای تیمهای مالی
🔐 امنیت و تهدیدات AI در کنگره آمریکا
⚡ اولین LLM بزرگ روی چیپهای چینی
🧠 رابط مغز و کامپیوتر بدون جراحی
🏢 رقابت در هوش مصنوعی سازمانی
━━━━━━━━━━━━━━━━━━━━
🗂 شماره: #51 | بازه: ۲۴ ساعت گذشته / گزارش روزانه
📦 پستهای بررسیشده: 8
🕐 از: دوشنبه 1405/04/08 ساعت 14:00
🕛 تا: سهشنبه 1405/04/09 ساعت 14:00
━━━━━━━━━━━━━━━━━━━━
🎁 ابزارهای رایگان و دسترسیهای جدید
OpenModel سرویس DeepSeek V4 Flash را از طریق API بهصورت رایگان در اختیار کاربران قرار داده است.
🔗 مشاهده پست
مخزن گیتهاب Agent-Reach به ایجنتها امکان دسترسی به توییتر، یوتیوب و غیره را بدون نیاز به API Key و کاملاً رایگان میدهد.
🔗 مشاهده پست
📊 بهبودهای Copilot در اکسل برای تیمهای مالی
مایکروسافت سه بهبود برای Copilot در Excel عرضه کرده: مهارتهای قابل استفاده مجدد، دسترسی به دادههای شش منبع مالی (CB Insights، PitchBook و …) و شفافیت بیشتر. Copilot فرایندهای تکراری مثل ارزشگذاری را ساختاریافته دنبال میکند.
🔗 مشاهده پست
🔐 امنیت و تهدیدات AI در کنگره آمریکا
در جلسه غیرعلنی کنگره، Anthropic مدل Claude Mythos را نشان داد که نقشه حمله نظری برای مختل کردن سیستمهای مالی طراحی کرد.
🔗 مشاهده پست
همچنین یک مدل AI jailbroken در کمتر از ۳۰ ثانیه طرح ربودن یک قانونگذار را تولید کرد و نگرانی از سوءاستفاده از AI قدرتمند را برجسته ساخت.
🔗 مشاهده پست
⚡ اولین LLM بزرگ روی چیپهای چینی
Meituan از LongCat 2.0 با ۱.۶ تریلیون پارامتر رونمایی کرد که روی ۵۰ هزار چیپ چینی (Huawei Ascend 910C) آموزش دیده است. این نخستین مدل در این مقیاس بدون GPU انویدیا است و معماری آن شامل n-gram Embeddingهای غولپیکر میشود.
🔗 مشاهده پست
🧠 رابط مغز و کامپیوتر بدون جراحی
متا Brain2Qwerty v2 را معرفی کرد که با کلاه MEG سیگنالهای مغزی را به متن تبدیل میکند، بدون نیاز به جراحی. AI نویز را فیلتر کرده و ضربههای کلید را بازسازی میکند؛ هنوز در مرحله آزمایشگاهی است.
🔗 مشاهده پست
🏢 رقابت در هوش مصنوعی سازمانی
Anthropic با پیشرانی اخیر از OpenAI پیشی گرفته و به تأمینکننده برتر هوش مصنوعی پولی برای کسبوکارهای آمریکایی تبدیل شده است. رقابت از مدلها به گردشکار منتقل شده است.
🔗 مشاهده پست
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
This media is not supported in your browser
VIEW IN TELEGRAM
🎯 ادغام Gamma با ChatGPT از طریق MCP
ChatGPT اکنون به یک سرور MCP از Gamma مجهز شده است. Gamma یک ابزار هوش مصنوعی برای ساخت سریع اسلاید و ارائه (presentation) است که پیشتر به صورت سرویس جداگانه استفاده میشد.
🧩 با این قابلیت جدید، کاربر میتواند درون چت ChatGPT توضیح دهد چه ارائهای نیاز دارد؛ مدل از طریق پروتکل MCP (Model Context Protocol) به Gamma متصل شده و ساختار اسلایدها را به صورت خودکار تولید میکند.
⚡ سپس برای ویرایش نهایی و اعمال جزئیات بصری، میتوان به رابط کاربری خود Gamma مراجعه کرد. این ادغام تحولی در سرعت تولید محتوای بصری بدون خروج از محیط چت است.
#ابزار #DataScience
ChatGPT اکنون به یک سرور MCP از Gamma مجهز شده است. Gamma یک ابزار هوش مصنوعی برای ساخت سریع اسلاید و ارائه (presentation) است که پیشتر به صورت سرویس جداگانه استفاده میشد.
🧩 با این قابلیت جدید، کاربر میتواند درون چت ChatGPT توضیح دهد چه ارائهای نیاز دارد؛ مدل از طریق پروتکل MCP (Model Context Protocol) به Gamma متصل شده و ساختار اسلایدها را به صورت خودکار تولید میکند.
⚡ سپس برای ویرایش نهایی و اعمال جزئیات بصری، میتوان به رابط کاربری خود Gamma مراجعه کرد. این ادغام تحولی در سرعت تولید محتوای بصری بدون خروج از محیط چت است.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#ابزار #DataScience
❤1
🎵 KVAE-Audio: توکنایزر صوتی متنباز از آزمایشگاه کندینسکی
🧠 تیم Sber عضو جدیدی از خانواده KVAE را برای صدا منتشر کردند. این توکنایزر مشکل کلیدی آموزش مدلهای دیفیوژن را حل میکند: نیاز به بازنمایی فشرده و باکیفیت از داده.
⚡ مشخصات فنی: ورودی با فرکانس 48 کیلوهرتز (پوشش کامل شنوایی انسان)، فشردهسازی محور زمان به میزان 960 برابر و خروجی تنها 64 کانال. این ابعاد فوقفشرده، آموزش مدلهای مولد را بسیار سادهتر میکند.
🔬 چالش اصلی تطبیق خروجی با دیفیوژن بود. روشهای کلاسیک بازسازی خوب دارند ولی در تولید محتوای اصلی ضعیفاند. تیم Sber از یک روش regularisation منحصربهفرد برای تعادل میان بازسازی و تولید استفاده کرد.
#ابزار #DataScience
🧠 تیم Sber عضو جدیدی از خانواده KVAE را برای صدا منتشر کردند. این توکنایزر مشکل کلیدی آموزش مدلهای دیفیوژن را حل میکند: نیاز به بازنمایی فشرده و باکیفیت از داده.
⚡ مشخصات فنی: ورودی با فرکانس 48 کیلوهرتز (پوشش کامل شنوایی انسان)، فشردهسازی محور زمان به میزان 960 برابر و خروجی تنها 64 کانال. این ابعاد فوقفشرده، آموزش مدلهای مولد را بسیار سادهتر میکند.
🔬 چالش اصلی تطبیق خروجی با دیفیوژن بود. روشهای کلاسیک بازسازی خوب دارند ولی در تولید محتوای اصلی ضعیفاند. تیم Sber از یک روش regularisation منحصربهفرد برای تعادل میان بازسازی و تولید استفاده کرد.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#ابزار #DataScience