🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #57 | 📦 25 پست
🕐 جمعه 1405/04/19 ساعت 14:00 تا شنبه 1405/04/20 ساعت 14:00

🤖 مدل‌های زبانی بزرگ

مدل جدید Grok 4.5 توسط SpaceXAI معرفی شد که با کسب Elo 1543 در رتبه چهارم بنچمارک قرار گرفته و تعادل بهینه‌ای از کارایی و هزینه ارائه می‌دهد.
🔗 مشاهده پست

سیستم‌عامل شبیه‌ساز macOS با ۱۹ اپلیکیشن کاربردی در مدت ۳۴ دقیقه بدون دخالت انسان توسط مدل هوشمند GPT-5.6 Sol کدنویسی و ساخته شد.
🔗 مشاهده پست

صندوق پوشش ریسک Bridgewater با همکاری Thinking Machines Lab یک مدل Open-weight مالی توسعه داده‌اند که عملکردی ۶.۵٪ بهتر از مدل‌های Frontier دارد و ۱۴ برابر ارزان‌تر است.
🔗 مشاهده پست

در رقابت طراحی داشبورد سه‌بعدی، مدل GPT-5.6 Sol از نظر اقتصادی بهینه‌تر عمل کرده اما مدل Fable 5 همچنان در جزئیات طراحی و کیفیت اولین خروجی پیشتاز است.
🔗 مشاهده پست

مدل جدید GPT-5.6 Sol Ultra با به‌کارگیری ۶۴ عامل هوشمند موفق به اثبات فرضیه ریاضی ۵۰ ساله پوشش دوتایی چرخه‌ها در نظریه گراف‌ها شد.
🔗 مشاهده پست

🦾 هوش مصنوعی عامل‌محور

پروژه مرورگر اختصاصی Atlas توسط OpenAI متوقف شد و قابلیت‌های آن به همراه ویژگی‌های عامل هوشمند در اپلیکیشن ChatGPT ادغام گردید.
🔗 مشاهده پست

سرویس جدید ChatGPT Work به عنوان یک AI Agent خودمختار معرفی شد که می‌تواند با اتصال به فایل‌ها، پروژه‌های کاری پیچیده را به صورت خودکار انجام دهد.
🔗 مشاهده پست

🌐 مدل‌های چندوجهی و بینایی ماشین

متا از مدل Muse Spark 1.1 با عملکردی در سطح GPT-4.5 رونمایی کرد که با پشتیبانی از کانتکست ۱ میلیون توکنی برای سیستم‌های مولتی‌ایجنت بهینه شده است.
🔗 مشاهده پست

مدل صوتی متنی جدید Audex از سوی انویدیا با معماری MoE ۳۰ میلیارد پارامتری معرفی شد که بدون افت عملکرد متنی، صدا و متن را به صورت یکپارچه پردازش می‌کند.
🔗 مشاهده پست

مدل فشرده LingBot-Vision با تمرکز بر درک فضایی بومی معرفی شد که توانسته مدل‌های بنیادی بسیار بزرگ‌تر از خود را در بنچمارک‌های مختلف شکست دهد.
🔗 مشاهده پست

مدل تولید تصویر Muse Image از شرکت متا معرفی شد که به عنوان یک AI Agent پیش از تولید تصویر، برنامه‌ای اجرایی برای رسیدن به بهترین نتیجه طراحی می‌کند.
🔗 مشاهده پست

مدل تولید تصویر Reve 2.1 با تکیه بر ساختار Layout و مصرف ۱۰ برابر منابع محاسباتی کمتر نسبت به رقبا، جایگاه دوم را در Text-to-Image Arena کسب کرد.
🔗 مشاهده پست

در ارزیابی فنی مدل‌های تولید ویدیو، مدل Google Omni Flash نتایج باکیفیت‌تری نسبت به Kling 3.0 ارائه داد و مدل Seedance 2.0 نیز با امکان تست رایگان در دسترس کاربران قرار گرفت.
🔗 مشاهده پست

📊 ابزارهای داده و پژوهش‌های کاربردی

قابلیت جدید Reflect در سرویس Claude ابزاری مشابه گزارش سالانه ارائه می‌دهد که تعاملات و نحوه استفاده شما از هوش مصنوعی را در بازه‌های ۱ تا ۱۲ ماهه تحلیل می‌کند.
🔗 مشاهده پست

گوگل از مدل پایه SensorFM رونمایی کرد که برای تحلیل داده‌های حسگرهای پوشیدنی با استفاده از ۱ تریلیون دقیقه سیگنال بیومتریک آموزش دیده است.
🔗 مشاهده پست

پروژه UnderOneFacade یک مجموعه داده عظیم با ۲.۷ میلیارد نقطه سه بعدی با دقت سانتیمتری برای تحقیقات معماری و بینایی ماشین ارائه کرده است.

🌐 ‏ دسترسی رایگان به مدل‌های هوش مصنوعی پیشرفته

⚡️ ‏ پلتفرم جدیدی معرفی شده است که امکان دسترسی به مدل‌های قدرتمند هوش مصنوعی را با ارائه ۱۰۰ میلیون توکن رایگان فراهم می‌کند. یکی از ویژگی‌های برجسته این سرویس، عدم نیاز به ثبت‌نام یا وارد کردن اطلاعات کارت اعتباری برای شروع کار است.

🧠 ‏ مدل‌های متنوعی در این سرویس ارائه شده‌اند که شامل موارد زیر هستند
‏

🔹 ‏ moonshotai/Kimi-K2.6: مدل پیشرفته برای پردازش متن و وظایف زبانی
🔹 ‏ MiniMaxAI/MiniMax-M2.7: مدل پرقدرت برای کاربردهای چندمنظوره
🔹 ‏ zai-org/GLM-5.2-FP8: نسخه بهینه شده با دقت FP8 برای بازدهی بالا
‏

🚀 ‏ این سرویس به صورت کامل از OpenAI Compatible API پشتیبانی می‌کند؛ به این معنی که می‌توانید به راحتی آن را در پروژه‌های موجود خود که از کتابخانه‌های استاندارد OpenAI استفاده می‌کنند، جایگزین کنید. این قابلیت برای توسعه‌دهندگانی که به دنبال تست مدل‌های مختلف بدون درگیری با هزینه‌های اولیه هستند، یک مزیت بسیار کاربردی محسوب می‌شود.

🔗 ‏ دریافت دسترسی و مشاهده مستندات

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

#ابزار #LLM

🧠 ‏ معرفی ابزار KnowNote

⚡️ ‏ ابزار KnowNote یک جایگزین متن‌باز و سبک برای سرویس Google NotebookLM است که به شما اجازه می‌دهد اسناد خود را به یک پایگاه دانش محلی (Local Knowledge Base) تبدیل کنید.

🧩 ‏ برخلاف بسیاری از ابزارهای مشابه، این برنامه برای اجرا به Docker نیازی ندارد و به سادگی روی سیستم شما نصب می‌شود. این ویژگی باعث شده تا فرآیند راه‌اندازی برای کاربران بسیار سریع‌تر و بهینه‌تر باشد.

🚀 ‏ اگر به دنبال راهکاری برای مدیریت و پرسش‌وپاسخ از مستندات شخصی خود در محیطی کاملاً آفلاین و ایمن هستید، بررسی این پروژه در گیت‌هاب پیشنهاد می‌شود.


🔗 ‏ مخزن GitHub

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

#معرفی #RAG

🚀 ‏ قابلیت جدید Google AI Studio

🤖 ‏ پلتفرم Google AI Studio که برای توسعه و تست مدل‌های هوش مصنوعی گوگل استفاده می‌شود، قابلیت جدیدی برای شخصی‌سازی آدرس‌های وب اضافه کرده است. اکنون توسعه‌دهندگان می‌توانند برای اپلیکیشن‌های ساخته‌شده در این محیط، به جای استفاده از آدرس‌های طولانی و پیش‌فرض، از Custom URL (آدرس اختصاصی) استفاده کنند.

⚡ ‏ این ویژگی به کاربران اجازه می‌دهد تا نامی کوتاه، به‌یادماندنی و مرتبط با پروژه خود انتخاب کنند. برای نمونه، می‌توانید به جای یک آدرس پیچیده، از ساختاری مانند atelier.ai.studio بهره ببرید که به برندینگ پروژه شما کمک شایانی می‌کند.

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

🧠 ‏ آموزش مفاهیم و الگوریتم‌های یادگیری تقویتی

🧠 ‏ اگر به دنبال یادگیری گام‌به‌گام یادگیری تقویت‌شده (RL - روشی از یادگیری ماشین بر پایه آزمون، خطا و دریافت پاداش) هستید، این منبع ارزشمند گیت‌هاب برای شماست.

🚀 ‏ این مجموعه، طیف وسیعی از روش‌ها را از مفاهیم پایه‌ای تا الگوریتم‌های پیشرفته سال‌های اخیر به همراه راهنماهای کاربردی و کدهای ساده پوشش می‌دهد.

🛠 ‏ تمامی پیاده‌سازی‌ها با فریم‌ورک TensorFlow توسعه یافته‌اند تا درک تئوری و پیاده‌سازی پروژه‌های عملی برای شما ساده‌تر و ملموس‌تر باشد.

🔗 ‏ برای دسترسی به آموزش‌ها و کدهای منبع به مخزن گیت‌هاب MorvanZhou مراجعه کنید.

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

#آموزش #TensorFlow

🤖 ‏ سطوح استدلالی جدید در مدل GPT-5.6 Sol

⚡ ‏ وایبهاو شریواستاو از مدیران ارشد OpenAI، جزئیات جدیدی از سیستم درجه‌بندی توانمندی‌های استدلالی (Reasoning) در مدل GPT-5.6 Sol منتشر کرده است. برخلاف نسخه‌های قبلی، ساختار این مدل تغییر کرده و توصیه می‌شود کاربران برای تطبیق بهتر، کار را از یک سطح پایین‌تر از عادت‌های قبلی خود آغاز کنند.

🟠 ‏ سطوح Light و Low برای پردازش سریع وظایف ساده طراحی شده‌اند، در حالی که سطح Medium گزینه‌ای بهینه برای تحلیل داده‌ها و برنامه‌ریزی است. سطوح High و xhigh نیز برای حل مسائل چندمرحله‌ای پیچیده یا عملیات وریفیکیشن (تایید صحت خروجی) در نظر گرفته شده‌اند.

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

🚀 ‏ کاهش ۹۰ درصدی هزینه استنتاج LLM با LMCache

‏اگر ابزارهای هوش مصنوعی شما به طور مداوم کانتکست (محتوای ورودی مدل) تکراری ارسال می‌کنند، سیستم متن‌باز LMCache راهکار مناسبی است. این سیستم با مدیریت هوشمند KV Cache (حافظه میانی کلید-مقدار)، به شما اجازه می‌دهد به جای محاسبه مجدد برای هر درخواست، از محاسبات قبلی بهره ببرید.

⚡ ‏️ استفاده از این ابزار سرعت تولید اولین توکن (TTFT) را تا ۱۴ برابر و رمزگشایی (Decoding) را تا ۴ برابر سریع‌تر می‌کند. این بهینه‌سازی باعث صرفه‌جویی چشمگیر در هزینه‌های استنتاج و مصرف منابع GPU می‌شود.

🔗 ‏ کد پروژه در گیت‌هاب LMCache قابل دسترسی است.

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

#ابزار #LLM

🤖 ‏ تحول مدل‌های زبانی محلی

🔬 ‏ پژوهش جدید دانشگاه استنفورد نشان می‌دهد که ۷۱.۳ درصد از درخواست‌های ChatGPT توسط مدل‌های زبانی محلی (Local LLM) قابل پاسخ‌دهی است. این تحقیق با بررسی بیش از یک میلیون پرسش روی ۲۰ مدل مختلف، ثابت کرد که در صورت انتخاب هوشمندانه، مدل‌های لوکال تا ۸۸.۷ درصد دقت دارند.

⚡️ ‏ سرعت پیشرفت این مدل‌ها خیره‌کننده است؛ سهم توانایی آن‌ها در پاسخ‌گویی از ۲۳.۲ درصد در سال ۲۰۲۳ به وضعیت فعلی رسیده است. همچنین، بهره‌وری انرژی این مدل‌ها نسبت به مدل‌های ابری ۵.۳ برابر بهبود یافته است.


🔗 Reza Jafari (@rzdjafari)

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

#پژوهش #LLaMA

🌐 ‏ رقابت داغ هوش مصنوعی میان چین و آمریکا

⚡ ‏ گزارش جدید Apollo نشان می‌دهد که رقابت در حوزه هوش مصنوعی به شدت در حال تغییر است. در حال حاضر ۲۰ مدل از ۵۰ مدل پرکاربرد جهان متعلق به چین است که نسبت به سال ۲۰۲۵ رشدی ۴۰۰ درصدی را تجربه کرده، در حالی که سهم مدل‌های آمریکایی از ۳۳ به ۲۸ مدل کاهش یافته است.

📊 ‏ آمارهای استفاده از مدل‌ها نیز بسیار جالب توجه است. در ماه ژوئن، میزان استفاده از مدل‌های چینی به ۹۸ تریلیون توکن رسید که رشدی ۱۱۳ درصدی را به صورت ماهانه نشان می‌دهد.

🧠 ‏ در مقابل، مدل‌های آمریکایی با رشدی ۴۳ درصدی به ۵۳ تریلیون توکن دست یافتند. این ارقام نشان می‌دهد که حجم مصرف توکن مدل‌های چینی اکنون ۸۵ درصد بیشتر از مدل‌های آمریکایی است که تغییری چشمگیر نسبت به ماه می محسوب می‌شود.

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

#گزارش #LLaMA

🧠 خلاصه تحولات 48 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #58 | 📦 11 پست
🕐 شنبه 1405/04/20 ساعت 14:00 تا دوشنبه 1405/04/22 ساعت 14:00

🤖 مدل‌های زبانی بزرگ

مدل جدید Grok 4.5 توسط SpaceXAI معرفی شد که با کسب امتیاز Elo معادل 1543 در رتبه چهارم بنچمارک جهانی قرار گرفته است.
🔗 مشاهده پست

مدیران OpenAI جزئیات جدیدی از سطوح استدلالی مدل GPT-5.6 Sol منتشر کرده‌اند که از سطوح Light برای کارهای ساده تا Max برای تحلیل‌های بسیار پیچیده را شامل می‌شود.
🔗 مشاهده پست

پلتفرم جدیدی با ارائه ۱۰۰ میلیون توکن رایگان امکان دسترسی بدون نیاز به ثبت‌نام به مدل‌های پیشرفته‌ای مانند Kimi-K2.6 و GLM-5.2-FP8 را فراهم کرده است.
🔗 مشاهده پست

مجموعه‌ای از ابزارهای قدرتمند مانند llama.cpp و AnythingLLM برای اجرای کاملاً محلی و بدون هزینه مدل‌های زبانی بزرگ در گیت‌هاب ترند شده‌اند.
🔗 مشاهده پست

📊 ابزارها و توسعه‌دهندگان

سیستم متن‌باز LMCache با مدیریت بهینه حافظه موقت، هزینه استنتاج مدل‌ها را تا ۹۰ درصد کاهش داده و سرعت تولید اولین توکن را ۱۴ برابر افزایش می‌دهد.
🔗 مشاهده پست

ابزار متن‌باز KnowNote به عنوان جایگزینی سبک و بدون نیاز به داکر برای Google NotebookLM، امکان ساخت پایگاه دانش محلی را به صورت آفلاین فراهم می‌کند.
🔗 مشاهده پست

پلتفرم Google AI Studio قابلیت شخصی‌سازی آدرس وب را اضافه کرده است تا توسعه‌دهندگان بتوانند از آدرس‌های اختصاصی (Custom URL) برای پروژه‌های خود استفاده کنند.
🔗 مشاهده پست

🎓 آموزش و پژوهش

پژوهش جدید دانشگاه استنفورد نشان می‌دهد که ۷۱.۳ درصد از درخواست‌های چت‌جی‌پتی توسط مدل‌های محلی با مصرف انرژی ۵.۳ برابر کمتر قابل پاسخ‌گویی است.
🔗 مشاهده پست

یک مخزن ارزشمند در گیت‌هاب آموزش‌های گام‌به‌گام یادگیری تقویت‌شده را همراه با پیاده‌سازی پروژه‌های عملی در فریم‌ورک TensorFlow ارائه می‌دهد.
🔗 مشاهده پست

💼 بازار کار و صنعت

گزارش جدید آپولو نشان می‌دهد سهم چین از ۵۰ مدل برتر هوش مصنوعی جهان به ۲۰ مدل رسیده و حجم مصرف توکن‌های چینی ۸۵ درصد بیشتر از مدل‌های آمریکایی شده است.
🔗 مشاهده پست

صندوق پوشش ریسک Bridgewater با همکاری آزمایشگاه Thinking Machines یک مدل مالی متن‌باز توسعه داده است که عملکردی ۶.۵ درصد بهتر از مدل‌های فرانتیر ارائه می‌کند.
🔗 مشاهده پست

سیستم‌عامل شبیه‌ساز macOS شامل ۱۹ اپلیکیشن کاربردی در مدت ۳۴ دقیقه بدون دخالت انسان و به صورت کاملاً خودکار توسط مدل GPT-5.6 Sol کدنویسی و ساخته شد.
🔗 مشاهده پست

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